Bert Fa Zwnj Base Ner

🚀 BertNER

BertNER 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 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）

📚 數據集信息

📊 評估結果

以下表格總結了模型在整體和每個類別上的得分。

整體評估

各實體評估

💻 使用示例

你可以使用 Transformers 管道進行命名實體識別來使用此模型。

安裝依賴

pip install transformers

使用管道進行預測

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/bert-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)

❓ 常見問題

如有疑問，請在 ParsNER Issues 倉庫中提交 GitHub 問題。