语言:

• 匈牙利语 标签:
• 标记分类 许可证: apache-2.0 评估指标:
• F1值 示例输入:
• 文本: >- "科瓦奇内·纳吉·埃尔热贝特在诺基亚公司感觉非常好，然而从德国来的科瓦奇·彼得难以适应新环境。"

基于huBERT的匈牙利语命名实体识别模型

更多模型、脚本及详情，请访问我们的演示网站。

• 使用的预训练模型: SZTAKI-HLT/hubert-base-cc
• 微调数据集: NYTK-NerKor
• 实体类别包括: 人物(PER)、地点(LOC)、其他(MISC)、组织(ORG)

限制条件

• 最大序列长度 = 128

性能指标

F1分数: 90.18%

使用Pipeline调用

from transformers import pipeline

ner = pipeline(task="ner", model="NYTK/named-entity-recognition-nerkor-hubert-hungarian")
input_text = "科瓦奇内·纳吉·埃尔热贝特在诺基亚公司感觉非常好，然而从德国来的科瓦奇·彼得难以适应新环境。"

print(ner(input_text, aggregation_strategy="simple"))

引用文献

若使用本模型，请引用以下论文：

@inproceedings {yang-language-models,
    title = {Training language models with low resources: RoBERTa, BART and ELECTRA experimental models for Hungarian},
	booktitle = {Proceedings of 12th IEEE International Conference on Cognitive Infocommunications (CogInfoCom 2021)},
	year = {2021},
	publisher = {IEEE},
	address = {Online},
	author = {Yang, Zijian Győző and Váradi, Tamás},
	pages = {279--285}
}