language: es thumbnail:

西班牙语TinyBERT + 命名实体识别(NER)

本模型是基于西班牙语Tiny Bert在NER-C数据集上微调的命名实体识别模型，通过知识蒸馏技术训练而成。模型体积仅55MB。

下游任务(NER)详情 - 数据集

• 数据集：CONLL西班牙语语料库

经预处理后按80/20比例划分为训练集/验证集：

• 使用Huggingface提供的NER微调脚本

• 覆盖的标签类别：

B-LOC   # 地点起始
B-MISC  # 杂项起始
B-ORG   # 组织起始
B-PER   # 人名起始
I-LOC   # 地点中间
I-MISC  # 杂项中间
I-ORG   # 组织中间
I-PER   # 人名中间
O       # 非实体

验证集评估指标：

横向对比：

模型使用示例

import torch
from transformers import AutoModelForTokenClassification, AutoTokenizer

id2label = {
    "0": "B-LOC",
    "1": "B-MISC",
    "2": "B-ORG",
    "3": "B-PER",
    "4": "I-LOC",
    "5": "I-MISC",
    "6": "I-ORG",
    "7": "I-PER",
    "8": "O"
}

tokenizer = AutoTokenizer.from_pretrained('mrm8488/TinyBERT-spanish-uncased-finetuned-ner')
model = AutoModelForTokenClassification.from_pretrained('mrm8488/TinyBERT-spanish-uncased-finetuned-ner')
text ="Mis amigos están pensando viajar a Londres este verano."
input_ids = torch.tensor(tokenizer.encode(text)).unsqueeze(0)

outputs = model(input_ids)
last_hidden_states = outputs[0]

for m in last_hidden_states:
  for index, n in enumerate(m):
    if(index > 0 and index <= len(text.split(" "))):
      print(text.split(" ")[index-1] + ": " + id2label[str(torch.argmax(n).item())])
      
'''
输出结果：
--------
Mis: O
amigos: O
están: O
pensando: O
viajar: O
a: O
Londres: B-LOC
este: O
verano.: O
'''

由Manuel Romero/@mrm8488创建
西班牙匠心制作 ❤