Bert Fa Base Uncased Ner Arman

🚀 ParsBERT (v2.0)

ParsBERT (v2.0) 是一個基於 Transformer 的波斯語語言理解模型。我們重構了詞彙表，並在新的波斯語語料庫上對 ParsBERT v1.1 進行了微調，以便為在其他領域使用 ParsBERT 提供更多功能！請關注 ParsBERT 倉庫，以獲取有關先前和當前模型的最新信息。

🚀 快速開始

請訪問 ParsBERT 倉庫獲取最新模型信息，同時可通過 這裡 下載相關數據集。

✨ 主要特性

• 重構詞彙表並在新的波斯語語料庫上微調 ParsBERT v1.1，拓展使用範圍。
• 可用於波斯語命名實體識別（NER）任務。

📚 詳細文檔

波斯語命名實體識別 [ARMAN, PEYMA]

此任務旨在提取文本中的命名實體，如姓名，並使用適當的 NER 類別（如地點、組織等）進行標註。用於此任務的數據集包含以 IOB 格式標註的句子。在這種格式中，不屬於實體的標記被標記為 ”O”，”B” 標記對應於對象的第一個單詞，”I” 標記對應於同一實體的其餘術語。”B” 和 ”I” 標記後面都跟著一個連字符（或下劃線），然後是實體類別。因此，NER 任務是一個多類標記分類問題，在輸入原始文本時對標記進行標註。波斯語 NER 主要使用兩個數據集，ARMAN 和 PEYMA。

ARMAN

ARMAN 數據集包含 7,682 個句子，其中 250,015 個句子在六個不同類別上進行了標註。

1. 組織
2. 地點
3. 設施
4. 事件
5. 產品
6. 人物

下載 你可以從 這裡 下載該數據集。

結果

下表總結了 ParsBERT 與其他模型和架構相比所獲得的 F1 分數。

💻 使用示例

基礎用法

你可以通過以下筆記本使用 ParsBERT：

筆記本	描述
如何使用 Pipelines	通過 transformers 以簡單高效的方式在下游任務中使用最先進的模型

BibTeX 引用和引用信息

如果在出版物中引用，請使用以下內容：

@article{ParsBERT,
    title={ParsBERT: Transformer-based Model for Persian Language Understanding},
    author={Mehrdad Farahani, Mohammad Gharachorloo, Marzieh Farahani, Mohammad Manthouri},
    journal={ArXiv},
    year={2020},
    volume={abs/2005.12515}
}

📄 許可證

本項目採用 Apache-2.0 許可證。

❓ 有疑問？

你可以在 ParsBERT Issues 倉庫發佈 GitHub 問題。