Hebert NER

🚀 HeBERT：用於極性分析和情感識別的預訓練BERT模型

HeBERT是一個希伯來語預訓練語言模型。它基於谷歌的BERT架構，採用BERT-Base配置。該模型能夠助力極性分析和情感識別等自然語言處理任務，為希伯來語相關的文本處理提供強大支持。

✨ 主要特性

• 多數據集訓練：HeBert在三個數據集上進行了訓練：
  • 希伯來語版本的OSCAR：約9.8GB數據，包含10億個單詞和超過2080萬個句子。
  • 希伯來語的維基百科轉儲數據：約650MB數據，包含超過6300萬個單詞和380萬個句子。
  • 為本次研究目的收集的情感用戶生成內容（UGC）數據（詳見下文）。
• 命名實體識別能力：模型具備對文本中的命名實體（如人名、組織和地點）進行分類的能力，在來自Ben Mordecai和M Elhadad (2005)的標註數據集上進行了測試，並使用F1分數進行評估。

🚀 快速開始

命名實體識別（NER）

如何使用

from transformers import pipeline

# 如何使用？
NER = pipeline(
    "token-classification",
    model="avichr/heBERT_NER",
    tokenizer="avichr/heBERT_NER",
)
NER('דויד לומד באוניברסיטה העברית שבירושלים')

其他任務

• 情感識別模型。可在huggingface spaces找到在線模型，也可作為colab筆記本使用。
• 情感分析。
• 掩碼語言模型（masked-LM）（可針對任何下游任務進行微調）。

📚 詳細文檔

聯繫我們

• Avichay Chriqui
• Inbal yahav
• 科勒閃米特語言人工智能實驗室

感謝您的關注！תודה，شكرا

引用說明

如果您使用了此模型，請按以下格式引用： Chriqui, A., & Yahav, I. (2021). HeBERT & HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition. arXiv preprint arXiv:2102.01909.

@article{chriqui2021hebert,
  title={HeBERT \& HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition},
  author={Chriqui, Avihay and Yahav, Inbal},
  journal={arXiv preprint arXiv:2102.01909},
  year={2021}
}

git