Estbert NER

🚀 EstBERT_NER

EstBERT_NER是一個經過微調的EstBERT模型，可用於命名實體識別。該模型能夠解決在愛沙尼亞語語境下識別特定實體的問題，為相關自然語言處理任務提供了有效的工具，具有重要的應用價值。

🚀 快速開始

你可以使用Transformers庫的pipeline進行命名實體識別（NER）。由於模型偶爾會將子詞標記為實體，因此可能需要對結果進行後處理。

from transformers import BertTokenizer, BertForTokenClassification
from transformers import pipeline

tokenizer = BertTokenizer.from_pretrained('tartuNLP/EstBERT_NER')
bertner = BertForTokenClassification.from_pretrained('tartuNLP/EstBERT_NER')

nlp = pipeline("ner", model=bertner, tokenizer=tokenizer)
sentence = 'Eesti Ekspressi teada on Eesti Pank uurinud Hansapanga tehinguid , mis toimusid kaks aastat tagasi suvel ja mille käigus voolas panka ligi miljardi krooni ulatuses kahtlast raha .'

ner_results = nlp(sentence)
print(ner_results)

輸出示例

[{'word': 'Eesti', 'score': 0.9964128136634827, 'entity': 'B-ORG', 'index': 1}, {'word': 'Ekspressi', 'score': 0.9978809356689453, 'entity': 'I-ORG', 'index': 2}, {'word': 'Eesti', 'score': 0.9988121390342712, 'entity': 'B-ORG', 'index': 5}, {'word': 'Pank', 'score': 0.9985784292221069, 'entity': 'I-ORG', 'index': 6}, {'word': 'Hansapanga', 'score': 0.9979034662246704, 'entity': 'B-ORG', 'index': 8}]

✨ 主要特性

EstBERT_NER是一個經過微調的EstBERT模型，可用於命名實體識別。該模型在由Tkachenko等人創建的愛沙尼亞語NER數據集上進行訓練，能夠識別三種類型的實體：地點（LOC）、組織（ORG）和人物（PER）。

📚 詳細文檔

BibTeX引用和引用信息

@misc{tanvir2020estbert,
      title={EstBERT: A Pretrained Language-Specific BERT for Estonian}, 
      author={Hasan Tanvir and Claudia Kittask and Kairit Sirts},
      year={2020},
      eprint={2011.04784},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

📄 許可證

本項目採用CC BY 4.0許可證。