Bert Fa Base Uncased Ner Peyma

🚀 ParsBERT (v2.0)

ParsBERT (v2.0) 是一個基於 Transformer 的波斯語理解模型。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

本項目主要圍繞 ParsBERT (v2.0) 模型展開，該模型在波斯語理解任務上有出色表現。下面將詳細介紹其在波斯語命名實體識別（NER）任務中的應用。

✨ 主要特性

波斯語命名實體識別 [ARMAN, PEYMA]

此任務旨在從文本中提取命名實體，如人名、地名、組織機構名等，並使用合適的 NER 類別進行標註，例如地點、組織等。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” 標記對應實體的第一個詞，”I” 標記對應同一實體的其餘詞。”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 任務是一個多類別標記分類問題，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。

PEYMA

PEYMA 數據集包含 7145 個句子，總共 302530 個標記，其中 41148 個標記被標記為七個不同的類別：

1. 組織
2. 貨幣
3. 地點
4. 日期
5. 時間
6. 人物
7. 百分比

下載地址 你可以從 這裡 下載該數據集。

模型效果

以下表格總結了 ParsBERT 與其他模型和架構相比所獲得的 F1 分數：

💻 使用示例

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

📚 詳細文檔

BibTeX 引用和引用信息

如果您在出版物中使用本模型，請按以下格式引用：

@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。

❓ 常見問題

如果您有任何問題，請在 ParsBERT 問題 倉庫中發佈 GitHub 問題。