Bert Base Cased NER Reranker

🚀 bert-base-cased-NER-reranker

这是一个基于BERT的模型，在合成文学命名实体识别（NER）上下文检索数据集上进行训练，可用于文本排序任务，判断上下文句子对NER句子预测的有用性。

🚀 快速开始

要使用此模型，需构建格式为 NER句子 [SEP] 上下文句子 的文本。如果 上下文句子 对预测 NER句子 有用，模型应预测为正类；否则，预测为负类。

✨ 主要特性

• 该模型在合成测试集上的F1值达到了98.34。
• 有关使用此重排模型在推理时辅助NER模型的NER性能提升的详细信息，请参阅 Amalvy等人，2023。

📚 详细文档

训练复现

若要复现训练过程，请查看 此处 的训练脚本。

引用信息

如果您在研究中使用了此模型，请引用以下文献：

@InProceedings{Amalvy2023,
  title	       = {Learning to Rank Context for Named Entity Recognition Using a Synthetic Dataset},
  author       = {Amalvy, A. and Labatut, V. and Dufour, R.},
  booktitle    = {2023 Conference on Empirical Methods in Natural Language Processing},
  year	       = {2023},
  doi	       = {10.18653/v1/2023.emnlp-main.642},
  pages	       = {10372-10382},
}

📄 许可证

本项目采用MIT许可证。