语言: tr widget:

• text: "德国向研发新冠病毒疫苗的Özlem Türeci博士及其丈夫Uğur Şahin教授授予功绩勋章"

土耳其语命名实体识别（NER）模型

该模型是基于dbmdz/convbert-base-turkish-cased（ConvBERTurk）的微调版本，使用了经过修订的知名土耳其语NER数据集

(https://github.com/stefan-it/turkish-bert/files/4558187/nerdata.txt)。

ConvBERT架构在论文《ConvBERT：通过基于跨度的动态卷积改进BERT》(https://arxiv.org/abs/2008.02496)中提出。

微调参数：

任务 = "ner"
模型检查点 = "dbmdz/convbert-base-turkish-cased"
批次大小 = 8
标签列表 = ['O', 'B-PER', 'I-PER', 'B-ORG', 'I-ORG', 'B-LOC', 'I-LOC']
最大长度 = 512
学习率 = 2e-5
训练轮数 = 3
权重衰减 = 0.01

使用方法：

model = AutoModelForTokenClassification.from_pretrained("akdeniz27/convbert-base-turkish-cased-ner")
tokenizer = AutoTokenizer.from_pretrained("akdeniz27/convbert-base-turkish-cased-ner")
ner = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="first")
ner("<输入文本>")

# 关于通过aggregation_strategy参数进行实体分组的详细信息，请参考"https://huggingface.co/transformers/_modules/transformers/pipelines/token_classification.html"。

参考测试结果：

• 准确率: 0.9937648915431506
• F1分数: 0.9610945644080416
• 精确率: 0.9619899385131359
• 召回率: 0.9602008554956295