Kor Naver Ner Name

🚀 韓國人名識別模型

本模型是基於kor - bert進行微調的模型。它以不常用的韓文字為基準，通過生成器生成16萬個韓文名字並進行訓練。其作用是識別文本中的韓國人名，例如將“안녕하세요. 임준영입니다.” 處理為 “안녕하세요. ***입니다.” 。

🚀 快速開始

代碼示例

from transformers import BertTokenizerFast, BertForTokenClassification
from transformers import pipeline

model_name = 'joon09/kor-naver-ner-name'
tokenizer = BertTokenizerFast.from_pretrained(model_name)
model = BertForTokenClassification.from_pretrained(model_name)
nlp = pipeline("ner", model=model, tokenizer=tokenizer)

ner('안녕하세요. 임준영입니다.',grouped_entities=True,aggregation_strategy='average')

[{'entity_group': 'PER',
  'score': 0.99999785,
  'word': '임',
  'start': 7,
  'end': 8},
 {'entity_group': 'PER',
  'score': 0.82035744,
  'word': '##준영',
  'start': 8,
  'end': 10}]

代碼解釋

上述代碼展示瞭如何使用該模型進行韓國人名識別。具體步驟如下：

1. 導入必要的庫 BertTokenizerFast、BertForTokenClassification 和 pipeline。
2. 指定模型名稱 model_name。
3. 使用 BertTokenizerFast 從預訓練模型加載分詞器。
4. 使用 BertForTokenClassification 從預訓練模型加載模型。
5. 創建一個 pipeline 實例，用於執行命名實體識別（NER）任務。
6. 調用 ner 函數對輸入文本進行人名識別，並設置 grouped_entities=True 和 aggregation_strategy='average'。
7. 輸出識別結果，包含人名的實體組、得分、單詞、起始位置和結束位置。