Universal Ner Ita

🚀 意大利語通用命名實體識別（零樣本學習）

本模型是通用的，可跨所有領域運行。若你希望在特定領域達到接近90% - 99%的F1分數性能指標，可通過電子郵件聯繫Michele Montebovi（郵箱：montebovi.michele@gmail.com），我們可以根據你在意大利語實體識別方面的獨特需求對模型進行定製優化。

🚀 快速開始

本模型專為意大利語的命名實體識別（NER）任務而設計。它採用零樣本學習方法，無需對特定實體進行專門訓練，就能識別廣泛的實體類型，這使得它在從意大利語文本中提取實體的各種應用場景中具有極高的通用性。

你可以通過以下Hugging Face Spaces鏈接直接在瀏覽器中測試該模型：https://huggingface.co/spaces/DeepMount00/universal_ner_ita

✨ 主要特性

• 通用性：該模型是通用的，可跨所有領域運行。
• 零樣本學習：採用零樣本學習方法，無需對特定實體進行專門訓練，就能識別廣泛的實體類型。

📦 安裝指南

若要使用此模型，你需要下載GLiNER項目：

!pip install gliner

💻 使用示例

基礎用法

from gliner import GLiNER

model = GLiNER.from_pretrained("DeepMount00/universal_ner_ita")

text = """
Il comune di Castelrosso, con codice fiscale 80012345678, ha approvato il finanziamento di 15.000€ destinati alla ristrutturazione del parco giochi cittadino, affidando l'incarico alla società 'Verde Vivo Società Cooperativa', con sede legale in Corso della Libertà 45, Verona, da completarsi entro il 30/09/2024.
"""

labels = ["comune", "codice fiscale", "importo", "società", "indirizzo", "data di completamento"]

entities = model.predict_entities(text, labels)

max_length = max(len(entity["text"]) for entity in entities)

for entity in entities:
    padded_text = entity["text"].ljust(max_length)
    print(f"{padded_text} => {entity['label']}")

📚 詳細文檔

模型描述

本模型專為意大利語的命名實體識別（NER）任務而設計。它採用零樣本學習方法，無需對特定實體進行專門訓練，就能識別廣泛的實體類型，這使得它在從意大利語文本中提取實體的各種應用場景中具有極高的通用性。

模型性能

• 推理時間：該模型可在CPU上運行，在GPU上的推理時間為0.01秒。在CPU上的性能會因具體的硬件配置而異。

📄 許可證

本項目採用Apache-2.0許可證。