Roberta Fa Zwnj Base Ner

🚀 RobertaNER

RobertaNER 是一個針對命名實體識別（NER）任務進行微調的模型。它在一個混合的 NER 數據集上進行訓練，該數據集收集自 ARMAN、PEYMA 和 WikiANN，涵蓋了十種類型的實體：

• 日期（DAT）
• 事件（EVE）
• 設施（FAC）
• 地點（LOC）
• 貨幣（MON）
• 組織（ORG）
• 百分比（PCT）
• 人物（PER）
• 產品（PRO）
• 時間（TIM）

✨ 主要特性

• 在多源混合 NER 數據集上進行訓練，涵蓋十種常見實體類型。
• 可通過 Transformers 管道輕鬆使用，支持 Pytorch 和 Tensorflow。

📦 安裝指南

pip install transformers

💻 使用示例

基礎用法

from transformers import AutoTokenizer
from transformers import AutoModelForTokenClassification  # for pytorch
from transformers import TFAutoModelForTokenClassification  # for tensorflow
from transformers import pipeline

model_name_or_path = "HooshvareLab/roberta-fa-zwnj-base-ner" 
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
model = AutoModelForTokenClassification.from_pretrained(model_name_or_path)  # Pytorch
# model = TFAutoModelForTokenClassification.from_pretrained(model_name_or_path)  # Tensorflow

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "در سال ۲۰۱۳ درگذشت و آندرتیکر و کین برای او مراسم یادبود گرفتند."

ner_results = nlp(example)
print(ner_results)

📚 詳細文檔

數據集信息

以下是數據集各實體標籤的詳細數量統計：

評估結果

整體評估

各實體評估

❓ 常見問題

如果您有任何問題，請在 ParsNER Issues 倉庫中提交一個 Github issue。