Klue Roberta Small Ner Identified

🚀 klue-roberta-small-ner-identified

該模型是基於未知數據集對 vitus9988/klue-roberta-small-ner-identified 進行微調後的版本，可用於個人信息相關的實體識別任務，在評估集上表現出色。

🚀 快速開始

此模型是 vitus9988/klue-roberta-small-ner-identified 在未知數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.0082
• 精確率：0.9930
• 召回率：0.9988
• F1值：0.9959
• 準確率：0.9988

✨ 主要特性

為實現個人信息脫敏，該模型提供了以下項目的實體識別：

• 人名 [PS]
• 地址（舊地址及道路名地址） [AD]
• 卡號 [CN]
• 賬號 [BN]
• 駕駛證號 [DN]
• 身份證號 [RN]
• 護照號 [PN]
• 電話號碼 [PH]
• 電子郵件地址 [EM]
• 日期 [DT]

📚 詳細文檔

訓練超參數

訓練過程中使用了以下超參數：

訓練結果

框架版本

• Transformers 4.40.2
• Pytorch 2.3.0+cu118
• Datasets 2.19.1
• Tokenizers 0.19.1

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("vitus9988/klue-roberta-small-ner-identified")
model = AutoModelForTokenClassification.from_pretrained("vitus9988/klue-roberta-small-ner-identified")

nlp = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")
example = """
저는 김철수입니다. 집은 서울특별시 강남대로이고 전화번호는 010-1234-5678, 주민등록번호는 123456-1234567입니다. 메일주소는 hugging@face.com입니다. 저는 10월 25일에 출국할 예정입니다.
"""

ner_results = nlp(example)
for i in ner_results:
    print(i)

#{'entity_group': 'PS', 'score': 0.9617835, 'word': '김철수', 'start': 3, 'end': 6}
#{'entity_group': 'AD', 'score': 0.9839702, 'word': '서울특별시 강남대로', 'start': 14, 'end': 24}
#{'entity_group': 'PH', 'score': 0.9906756, 'word': '010 - 1234 - 5678', 'start': 33, 'end': 46}
#{'entity_group': 'RN', 'score': 0.9904553, 'word': '123456 - 1234567', 'start': 56, 'end': 70}
#{'entity_group': 'EM', 'score': 0.99022245, 'word': 'hugging @ face. com', 'start': 81, 'end': 97}
#{'entity_group': 'DT', 'score': 0.985629, 'word': '10월 25일', 'start': 105, 'end': 112}