BertNER

该模型针对命名实体识别（NER）任务进行了微调，训练数据整合自ARMAN、PEYMA和WikiANN的混合数据集，涵盖十类实体：

• 日期（DAT）
• 事件（EVE）
• 设施（FAC）
• 地点（LOC）
• 金额（MON）
• 组织（ORG）
• 百分比（PCT）
• 人物（PER）
• 产品（PRO）
• 时间（TIM）

数据集信息

评估结果

下表展示了模型整体及各类别的评估分数。

整体表现

分实体表现

使用指南

可通过Transformers的NER管道使用本模型。

安装依赖

pip install transformers

使用管道预测

from transformers import AutoTokenizer
from transformers import AutoModelForTokenClassification  # PyTorch版本
from transformers import TFAutoModelForTokenClassification  # TensorFlow版本
from transformers import pipeline

model_name_or_path = "HooshvareLab/bert-fa-zwnj-base-ner" 
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
model = AutoModelForTokenClassification.from_pretrained(model_name_or_path)  # PyTorch
# model = TFAutoModelForTokenClassification.from_pretrained(model_name_or_path)  # TensorFlow

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "در سال ۲۰۱۳ درگذشت و آندرتیکر و کین برای او مراسم یادبود گرفتند."

ner_results = nlp(example)
print(ner_results)

问题反馈

请在ParsNER Issues仓库提交Github issue。