Yoda Ner

🚀 YODA模型

YODA是一系列用於谷歌Feed產品優化的模型。我們旨在通過增強和改進某些元數據（如短標題、顏色、尺寸等）來擴大電子商務的市場影響力。目前已有超過300家公司在生產環境中使用YODA處理超過350萬種產品。

🚀 快速開始

什麼是YODA

YODA是一系列用於谷歌Feed產品優化的模型。我們旨在通過增強和改進某些元數據（如短標題、顏色、尺寸等）來擴大電子商務的市場影響力。目前已有超過300家公司在生產環境中使用YODA處理超過350萬種產品。

我們使用NER的目的

我們訓練了一個用於產品特徵提取的命名實體識別（NER）模型。該模型可以提取顏色、尺寸、品牌和能源標籤等數據。使用超過300萬行產品元數據進行訓練後，模型取得了以下成績：

結果：

• F值（微觀）：0.972
• F值（宏觀）：0.9692
• 準確率：0.9461

按類別劃分：

🔧 技術細節

模型指標

💻 使用示例

基礎用法

from flair.data import Sentence
from flair.models import SequenceTagger

# load tagger
tagger = SequenceTagger.load("lighthousefeed/yoda-ner")

# make example sentence
sentence = Sentence("Jean Paul Gaultier Classique - 50 ML Eau de Parfum  Damen Parfum.")

# predict NER tags
tagger.predict(sentence)

# print sentence
print(sentence)

# print predicted NER spans
print('The following NER tags are found:')

# iterate over entities and print
for entity in sentence.get_spans('ner'):
    print(entity)

此代碼示例展示瞭如何使用Flair庫加載YODA的NER模型，並對一個產品描述進行命名實體識別。

📄 許可證

本項目採用ISC許可證。

聯繫我們

如果您有任何疑問，請聯繫首席機器學習開發者 Iván R. Gázquez。我們很樂意瞭解您使用該模型的情況！