Universal Ner Ita

🚀 意大利语通用命名实体识别（零样本学习）

本模型是通用的，可跨所有领域运行。若你希望在特定领域达到接近90% - 99%的F1分数性能指标，可通过电子邮件联系Michele Montebovi（邮箱：montebovi.michele@gmail.com），我们可以根据你在意大利语实体识别方面的独特需求对模型进行定制优化。

🚀 快速开始

本模型专为意大利语的命名实体识别（NER）任务而设计。它采用零样本学习方法，无需对特定实体进行专门训练，就能识别广泛的实体类型，这使得它在从意大利语文本中提取实体的各种应用场景中具有极高的通用性。

你可以通过以下Hugging Face Spaces链接直接在浏览器中测试该模型：https://huggingface.co/spaces/DeepMount00/universal_ner_ita

✨ 主要特性

• 通用性：该模型是通用的，可跨所有领域运行。
• 零样本学习：采用零样本学习方法，无需对特定实体进行专门训练，就能识别广泛的实体类型。

📦 安装指南

若要使用此模型，你需要下载GLiNER项目：

!pip install gliner

💻 使用示例

基础用法

from gliner import GLiNER

model = GLiNER.from_pretrained("DeepMount00/universal_ner_ita")

text = """
Il comune di Castelrosso, con codice fiscale 80012345678, ha approvato il finanziamento di 15.000€ destinati alla ristrutturazione del parco giochi cittadino, affidando l'incarico alla società 'Verde Vivo Società Cooperativa', con sede legale in Corso della Libertà 45, Verona, da completarsi entro il 30/09/2024.
"""

labels = ["comune", "codice fiscale", "importo", "società", "indirizzo", "data di completamento"]

entities = model.predict_entities(text, labels)

max_length = max(len(entity["text"]) for entity in entities)

for entity in entities:
    padded_text = entity["text"].ljust(max_length)
    print(f"{padded_text} => {entity['label']}")

📚 详细文档

模型描述

本模型专为意大利语的命名实体识别（NER）任务而设计。它采用零样本学习方法，无需对特定实体进行专门训练，就能识别广泛的实体类型，这使得它在从意大利语文本中提取实体的各种应用场景中具有极高的通用性。

模型性能

• 推理时间：该模型可在CPU上运行，在GPU上的推理时间为0.01秒。在CPU上的性能会因具体的硬件配置而异。

📄 许可证

本项目采用Apache-2.0许可证。