Bert Italian Finetuned Ner

🚀 意大利语微调NER的BERT模型

本模型是基于 dbmdz/bert-base-italian-cased 在wiki_neural数据集上微调得到的。它在意大利语的标记分类任务，尤其是命名实体识别（NER）任务中表现出色，能够高效准确地处理相关文本。

🚀 快速开始

使用以下代码即可快速调用该模型进行命名实体识别：

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

• 精准度高：在评估集上，该模型取得了优异的成绩，损失值仅为0.0361，准确率达到了0.9918。
• 多指标优秀：除了准确率，在精确率（Precision）、召回率（Recall）和F1值等指标上也表现出色，分别为0.9438、0.9542和0.9490。
• 语言适配：专门针对意大利语进行了微调，能够更好地处理意大利语的文本。

📚 详细文档

模型描述

该模型用于意大利语的标记分类实验，特别是命名实体识别（NER）任务。

预期用途和限制

此模型可用于标记分类任务，特别是命名实体识别。它是针对意大利语进行微调的。

训练和评估数据

使用的数据集是 wikiann。

训练过程

训练超参数

在训练过程中使用了以下超参数：

• 学习率（learning_rate）: 2e-05
• 训练批次大小（train_batch_size）: 8
• 评估批次大小（eval_batch_size）: 8
• 随机种子（seed）: 42
• 优化器（optimizer）: Adam，其中betas=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型（lr_scheduler_type）: 线性
• 训练轮数（num_epochs）: 3

训练结果

框架版本

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

📄 许可证

本模型采用MIT许可证。

其他信息

• 语言：意大利语
• 标签：generated_from_trainer
• 指标：精确率（precision）、召回率（recall）、F1值（f1）、准确率（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. '
• 基础模型：dbmdz/bert-base-italian-cased
• 模型索引：
  • 名称：bert-italian-finetuned-ner
  • 结果：
    • 任务类型：标记分类（token-classification）
    • 数据集：wiki_neural
    • 指标：精确率、召回率、F1值、准确率等具体数值见上文。