标签:

• 由训练器生成 模型索引:
• 名称: 基于19世纪法国商业名录预训练的CamemBERT模型 结果: []

基于19世纪法国商业名录预训练并针对命名实体识别(NER)微调的CamemBERT模型[GOLD训练集]

本模型是以下论文研究材料的一部分：

Abadie, N., Carlinet, E., Chazalon, J., Duménieu, B. (2022). 《历史文档命名实体识别方法基准测试——应用于19世纪法国商业名录》。收录于：Uchida, S., Barney, E., Eglin, V. (编) 《文档分析系统》。DAS 2022。《计算机科学讲义》，卷13237。Springer, Cham。 https://doi.org/10.1007/978-3-031-06555-2_30

训练该模型的源代码可在论文的GitHub仓库获取，具体位于src/ner/40_experiment_2.ipynb的Jupyter笔记本中。

模型描述

本模型基于预训练模型das22-10-camembert_pretrained进行微调，用于对6004条人工标注的商业名录条目（论文中称为"参考数据集"）进行命名实体识别。

商业名录条目是简短且结构高度规整的文本，记载个人或企业的名称、行业和位置信息，例如：

Peynaud, R. de la Vieille Bouclerie, 18. Richard, Joullain et comp., (佣金代理——法兰西剧院。仓储)，位于拉佩港-

使用场景与限制

本模型旨在复现DAS2022论文中发表的NER评估结果。HuggingFace上提供了多个针对商业名录进行NER训练的衍生模型，每个模型基于不同数据集训练：

• das22-10-camembert_pretrained_finetuned_ref: 基于约6000条人工校正的名录条目训练
• das22-10-camembert_pretrained_finetuned_pero: 基于PERO-OCR提取的约6000条名录条目训练
• das22-10-camembert_pretrained_finetuned_tess: 基于Tesseract提取的约6000条名录条目训练

训练超参数

训练结果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.17.0
• Tokenizers 0.10.3