Multilingual Xlm Roberta For Ner

🚀 多語言XLM - RoBERTa用於命名實體識別

本項目基於微調的XLM - RoBERTa基礎模型，構建了一個多語言的命名實體識別（NER）模型。該模型能夠識別地點（LOC）、組織（ORG）和人物（PER）三種類型的實體，在多語言的命名實體識別任務中具有出色的表現。

🚀 快速開始

模型描述

xlm - roberta - base - multilingual - cased - ner 是一個基於微調的XLM - RoBERTa基礎模型的命名實體識別模型。它經過訓練，能夠識別三種類型的實體：地點（LOC）、組織（ORG）和人物（PER）。具體而言，該模型是一個在10種高資源語言的聚合數據上進行微調的 XLMRoreberta - base - multilingual - cased 模型。

如何使用

你可以使用Transformers庫的 pipeline 來使用這個模型進行命名實體識別。

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("Tirendaz/roberta-base-NER")
model = AutoModelForTokenClassification.from_pretrained("Tirendaz/roberta-base-NER")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "My name is Wolfgang and I live in Berlin"

ner_results = nlp(example)
print(ner_results)

縮寫說明

✨ 主要特性

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：48
• 評估批次大小：48
• 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：3

訓練結果

框架版本

• Transformers：4.33.0
• Pytorch：2.0.0
• Datasets：2.1.0
• Tokenizers：0.13.3

📄 許可證

本項目採用MIT許可證。

📚 詳細文檔

模型信息