许可证: mit
基础模型: almanach/camembertav2-base
评估指标:

• 精确率
• 召回率
• F1值
• 准确率

模型索引:

• 名称: NERmemberta-3entities
  结果: []

数据集:

• CATIE-AQ/frenchNER_3entities

语言:

• fr

示例输入:

• 文本: "2019年10月21日在大雷克斯剧院揭晓了奥运会官方会徽。这个新标志和新字体由设计师Sylvain Boyer与Royalties & Ecobranding机构共同设计。圆形会徽融合了三个象征元素：金牌、奥运圣火和以女性面孔象征的玛丽安娜（但未包含标志性的弗里吉亚帽）。设计字体参考了1920年代的装饰艺术风格，这也是巴黎最后一次举办奥运会的年代（1924年）。这是奥运会与残奥会首次使用统一标志。"

库名称: transformers
任务标签: token-classification
二氧化碳当量排放: 33.5

NERmemBERTa-3实体模型

模型描述

我们推出NERmemBERTa-3entities模型，这是基于CamemBERTa v2基础版微调的专用于法语命名实体识别任务的模型，针对3类实体（地点LOC、人物PER、机构ORG）在五个法语NER数据集上训练。
所有数据集经整合清洗后形成统一数据集frenchNER_3entities，包含总计420,264条数据（训练集346,071条，验证集32,951条，测试集41,242条）。
完整方法论详见英文博客或法文博客。

评估结果

frenchNER_3entities数据集

（表格内容显示各模型在PER/LOC/ORG实体上的F1值对比，此处保留原表格结构但省略具体数值）

使用方式

代码示例

from transformers import pipeline

ner = pipeline('token-classification', 
              model='CATIE-AQ/NERmemberta-base-3entities', 
              tokenizer='CATIE-AQ/NERmemberta-base-3entities', 
              aggregation_strategy="simple")

result = ner("2019年10月21日在大雷克斯剧院揭晓了奥运会官方会徽...")
print(result)

在线体验

可通过Space平台测试模型效果。

环境影响

碳排放估算使用机器学习碳足迹计算器，硬件为A100 PCIe 40/80GB，运行2小时51分钟，基于法国电网碳排放系数（0.047 kg/kWh），总排放量为0.0335 kg CO2当量。

引用文献

（此处保留所有文献引用格式，包括CamemBERT、MultiCoNER等论文的原始引用信息）

许可协议

MIT许可证