Bert Base NER

🚀 bert-base-NER

bert-base-NER 是一个经过微调的BERT模型，可直接用于命名实体识别，在NER任务中达到了业界领先的性能。该模型能够识别四种类型的实体：位置（LOC）、组织（ORG）、人物（PER）和其他（MISC）。

🚀 快速开始

你可以使用Transformers的 pipeline 来使用这个模型进行NER任务。

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("dslim/bert-base-NER")
model = AutoModelForTokenClassification.from_pretrained("dslim/bert-base-NER")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "My name is Wolfgang and I live in Berlin"

ner_results = nlp(example)
print(ner_results)

✨ 主要特性

• 微调BERT模型：基于BERT模型进行微调，在命名实体识别任务上表现出色。
• 多实体类型识别：能够识别位置、组织、人物和其他四种类型的实体。
• 多版本可选：除了本模型外，还有 distilbert-NER、bert-large-NER 等不同版本可供选择。

可用的NER模型

📚 详细文档

预期用途与局限性

局限性和偏差

该模型受限于其训练数据集，该数据集是特定时间段内带有实体标注的新闻文章。因此，它可能无法很好地泛化到不同领域的所有用例。此外，该模型偶尔会将子词标记为实体，可能需要对结果进行后处理以处理这些情况。

训练数据

该模型在标准 CoNLL-2003命名实体识别 数据集的英文版本上进行了微调。

训练数据集区分了实体的开始和延续，这样如果有连续的同类型实体，模型可以输出第二个实体的起始位置。在数据集中，每个标记将被分类为以下类别之一：

CoNLL - 2003英文数据集统计信息

该数据集源自路透社语料库，该语料库由路透社新闻报道组成。你可以在CoNLL - 2003论文中了解更多关于该数据集的创建方式。

每个实体类型的训练示例数量

每个数据集的文章/句子/标记数量

训练过程

该模型在单个NVIDIA V100 GPU上进行训练，使用了 原始BERT论文 中推荐的超参数，该论文在CoNLL - 2003 NER任务上对模型进行了训练和评估。

评估结果

测试指标略低于官方Google BERT的结果，官方结果对文档上下文进行了编码并对CRF进行了实验。有关复现原始结果的更多信息，请参阅 此处。

BibTeX引用和引用信息

@article{DBLP:journals/corr/abs-1810-04805,
  author    = {Jacob Devlin and
               Ming{-}Wei Chang and
               Kenton Lee and
               Kristina Toutanova},
  title     = {{BERT:} Pre-training of Deep Bidirectional Transformers for Language
               Understanding},
  journal   = {CoRR},
  volume    = {abs/1810.04805},
  year      = {2018},
  url       = {http://arxiv.org/abs/1810.04805},
  archivePrefix = {arXiv},
  eprint    = {1810.04805},
  timestamp = {Tue, 30 Oct 2018 20:39:56 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1810-04805.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{tjong-kim-sang-de-meulder-2003-introduction,
    title = "Introduction to the {C}o{NLL}-2003 Shared Task: Language-Independent Named Entity Recognition",
    author = "Tjong Kim Sang, Erik F.  and
      De Meulder, Fien",
    booktitle = "Proceedings of the Seventh Conference on Natural Language Learning at {HLT}-{NAACL} 2003",
    year = "2003",
    url = "https://www.aclweb.org/anthology/W03-0419",
    pages = "142--147",
}

📄 许可证

本项目采用MIT许可证。