Bert Italian Finetuned Ner

🚀 意大利語微調NER的BERT模型

本模型是基於 dbmdz/bert-base-italian-cased 在wiki_neural數據集上微調得到的。它在意大利語的標記分類任務，尤其是命名實體識別（NER）任務中表現出色，能夠高效準確地處理相關文本。

🚀 快速開始

使用以下代碼即可快速調用該模型進行命名實體識別：

from transformers import pipeline
ner_pipeline = pipeline("ner", model="nickprock/bert-italian-finetuned-ner", aggregation_strategy="simple")
text = "La sede storica della Olivetti è ad Ivrea"
output = ner_pipeline(text)

✨ 主要特性

• 精準度高：在評估集上，該模型取得了優異的成績，損失值僅為0.0361，準確率達到了0.9918。
• 多指標優秀：除了準確率，在精確率（Precision）、召回率（Recall）和F1值等指標上也表現出色，分別為0.9438、0.9542和0.9490。
• 語言適配：專門針對意大利語進行了微調，能夠更好地處理意大利語的文本。

📚 詳細文檔

模型描述

該模型用於意大利語的標記分類實驗，特別是命名實體識別（NER）任務。

預期用途和限制

此模型可用於標記分類任務，特別是命名實體識別。它是針對意大利語進行微調的。

訓練和評估數據

使用的數據集是 wikiann。

訓練過程

訓練超參數

在訓練過程中使用了以下超參數：

• 學習率（learning_rate）: 2e-05
• 訓練批次大小（train_batch_size）: 8
• 評估批次大小（eval_batch_size）: 8
• 隨機種子（seed）: 42
• 優化器（optimizer）: Adam，其中betas=(0.9,0.999)，epsilon=1e-08
• 學習率調度器類型（lr_scheduler_type）: 線性
• 訓練輪數（num_epochs）: 3

訓練結果

框架版本

• Transformers 4.27.3
• Pytorch 1.13.0
• Datasets 2.1.0
• Tokenizers 0.13.2

📄 許可證

本模型採用MIT許可證。

其他信息

• 語言：意大利語
• 標籤：generated_from_trainer
• 指標：精確率（precision）、召回率（recall）、F1值（f1）、準確率（accuracy）
• 示例：
  • 示例1：'Ciao, sono Giacomo. Vivo a Milano e lavoro da Armani. '
  • 示例2：'Domenica andrò allo stadio con Giovanna a guardare la Fiorentina. '
• 基礎模型：dbmdz/bert-base-italian-cased
• 模型索引：
  • 名稱：bert-italian-finetuned-ner
  • 結果：
    • 任務類型：標記分類（token-classification）
    • 數據集：wiki_neural
    • 指標：精確率、召回率、F1值、準確率等具體數值見上文。