Bert Base Cased NER Reranker

🚀 bert-base-cased-NER-reranker

這是一個基於BERT的模型，在合成文學命名實體識別（NER）上下文檢索數據集上進行訓練，可用於文本排序任務，判斷上下文句子對NER句子預測的有用性。

🚀 快速開始

要使用此模型，需構建格式為 NER句子 [SEP] 上下文句子 的文本。如果 上下文句子 對預測 NER句子 有用，模型應預測為正類；否則，預測為負類。

✨ 主要特性

• 該模型在合成測試集上的F1值達到了98.34。
• 有關使用此重排模型在推理時輔助NER模型的NER性能提升的詳細信息，請參閱 Amalvy等人，2023。

📚 詳細文檔

訓練復現

若要復現訓練過程，請查看 此處 的訓練腳本。

引用信息

如果您在研究中使用了此模型，請引用以下文獻：

@InProceedings{Amalvy2023,
  title	       = {Learning to Rank Context for Named Entity Recognition Using a Synthetic Dataset},
  author       = {Amalvy, A. and Labatut, V. and Dufour, R.},
  booktitle    = {2023 Conference on Empirical Methods in Natural Language Processing},
  year	       = {2023},
  doi	       = {10.18653/v1/2023.emnlp-main.642},
  pages	       = {10372-10382},
}

📄 許可證

本項目採用MIT許可證。