Flair Persian NER

🚀 波斯語命名實體識別模型

本項目是一個使用 Flair 構建的波斯語 7 類命名實體識別模型。該模型能夠精準識別波斯語文本中的多種命名實體，為自然語言處理任務提供有力支持。

🚀 快速開始

安裝依賴

本模型需要 Flair 庫，可以使用以下命令進行安裝：

pip install flair

代碼示例

以下是如何在 Flair 中使用該模型的示例代碼：

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

# 加載標籤器
tagger = SequenceTagger.load("PooryaPiroozfar/Flair-Persian-NER")

# 創建示例句子
sentence = Sentence("اولین نمایش این فیلم‌ها روز دوشنبه 13 اردیبهشت و از ساعت 21 در موزه سینماست.")

# 預測命名實體標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印預測的命名實體跨度
print('The following NER tags are found:')
# 遍歷實體並打印
for entity in sentence.get_spans('ner'):
    print(entity)

運行上述代碼將產生以下輸出：

Span[4:8]: "روز دوشنبه 13 اردیبهشت" → DAT (1.0)
Span[10:12]: "ساعت 21" → TIM (1.0)
Span[13:15]: "موزه سینماست" → LOC (0.9999)

✨ 主要特性

高準確率

在 NSURL - 2019 數據集上，該模型的 F1 分數達到了 90.33。

多標籤預測

能夠預測以下 7 種命名實體標籤：

技術基礎

本模型基於 Flair 嵌入 和 Pars - Bert 構建。

📚 詳細文檔

評估指標

模型在不同評估指標下的表現如下：

By class:
              precision    recall  f1-score   support

         ORG     0.9016    0.8667    0.8838      1523
         LOC     0.9113    0.9305    0.9208      1425
         PER     0.9216    0.9322    0.9269      1224
         DAT     0.8623    0.7958    0.8277       480
         MON     0.9665    0.9558    0.9611       181
         PCT     0.9375    0.9740    0.9554        77
         TIM     0.8235    0.7925    0.8077        53

   micro avg     0.9081    0.8984    0.9033      4963
   macro avg     0.9035    0.8925    0.8976      4963
weighted avg     0.9076    0.8984    0.9028      4963
 samples avg     0.8277    0.8277    0.8277      4963

數據集

本模型使用了 NSURL - 2019 數據集進行訓練和評估。

標籤含義