Named Entity Recognition Nerkor Hubert Hungarian

🚀 匈牙利語命名實體識別模型（基於huBERT）

本模型用於匈牙利語命名實體識別，為相關自然語言處理任務提供支持。更多模型、腳本及詳細信息，請查看我們的演示網站。

🚀 快速開始

你可以通過以下代碼示例快速使用該模型進行命名實體識別：

from transformers import pipeline

ner = pipeline(task="ner", model="NYTK/named-entity-recognition-nerkor-hubert-hungarian")
input_text = "A Kovácsné Nagy Erzsébet nagyon jól érzi magát a Nokiánál, azonban a Németországból érkezett Kovács Péter nehezen boldogul a beilleszkedéssel."

print(ner(input_text, aggregation_strategy="simple"))

✨ 主要特性

• 預訓練模型：使用了SZTAKI - HLT/hubert - base - cc預訓練模型。
• 微調數據：在NYTK - NerKor數據集上進行了微調。
• 命名實體類別：支持的命名實體類別包括PER（人物）、LOC（地點）、MISC（其他）、ORG（組織）。

🔧 技術細節

侷限性

本模型存在一定的侷限性，最大序列長度 max_seq_length 被設置為128。

模型效果

模型在評估指標F1分數上達到了 90.18% 。

📄 許可證

本模型使用的許可證為 apache - 2.0。

📚 詳細文檔

引用說明

如果你使用了本模型，請引用以下論文：

@inproceedings {yang-language-models,
    title = {Training language models with low resources: RoBERTa, BART and ELECTRA experimental models for Hungarian},
    booktitle = {Proceedings of 12th IEEE International Conference on Cognitive Infocommunications (CogInfoCom 2021)},
    year = {2021},
    publisher = {IEEE},
    address = {Online},
    author = {Yang, Zijian Győző and Váradi, Tamás},
    pages = {279--285}
}

模型信息表格