Ner Vietnamese Electra Base

🚀 越南語命名實體識別模型

本模型是一個基於越南語的命名實體識別模型，它在VLSP 2018數據集上對 NlpHUST/electra-base-vn 模型進行了微調。該模型在評估集上取得了出色的成績，能夠準確識別多種類型的命名實體。

🚀 快速開始

模型評估結果

該模型在評估集上取得了以下結果：

• 損失值：0.0580
• 地點精確率：0.9353
• 地點召回率：0.9377
• 地點F1值：0.9365
• 地點數量：2360
• 其他精確率：0.5660
• 其他召回率：0.6897
• 其他F1值：0.6218
• 其他數量：174
• 組織精確率：0.8610
• 組織召回率：0.9068
• 組織F1值：0.8833
• 組織數量：1878
• 人物精確率：0.9692
• 人物召回率：0.9637
• 人物F1值：0.9664
• 人物數量：2121
• 總體精確率：0.9122
• 總體召回率：0.9307
• 總體F1值：0.9214
• 總體準確率：0.9907

模型描述

更多信息待補充。

如何使用

你可以使用 Transformers 的 pipeline 來進行命名實體識別。

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("NlpHUST/ner-vietnamese-electra-base")
model = AutoModelForTokenClassification.from_pretrained("NlpHUST/ner-vietnamese-electra-base")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Liên quan vụ việc CSGT bị tố đánh dân, trúng một cháu nhỏ đang ngủ, đang lan truyền trên mạng xã hội, Đại tá Nguyễn Văn Tảo, Phó Giám đốc Công an tỉnh Tiền Giang vừa có cuộc họp cùng Chỉ huy Công an huyện Châu Thành và một số đơn vị nghiệp vụ cấp tỉnh để chỉ đạo làm rõ thông tin."

ner_results = nlp(example)
print(ner_results)

預期用途和限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：5e-05
• 訓練批次大小：16
• 評估批次大小：4
• 隨機種子：42
• 優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型：線性
• 訓練輪數：10.0

框架版本

• Transformers 4.20.1
• Pytorch 1.8.0+cu111
• Datasets 2.4.0
• Tokenizers 0.12.1

聯繫信息

如果你有關於此項目的個人交流需求，請聯繫 Nha Nguyen Van（nha282@gmail.com）。