语言:

• 英文 许可证: cc-by-sa-4.0 库名称: span-marker 标签:
• span-marker
• 标记分类
• 命名实体识别
• 从span_marker_trainer生成 数据集:
• DFKI-SLT/few-nerd 指标:
• F1值
• 召回率
• 精确率 管道标签: 标记分类 小部件:
• 文本: 阿梅莉亚·埃尔哈特驾驶她的单引擎洛克希德维加5B飞机飞越大西洋到达巴黎。 示例标题: 阿梅莉亚·埃尔哈特
• 文本: 列奥纳多·达·芬奇根据意大利贵族女性丽莎·德尔·乔康多创作了《蒙娜丽莎》。 示例标题: 列奥纳多·达·芬奇
• 文本: 史蒂文·西格尔主演的电影《潜龙轰天》（与汤米·李·琼斯共同主演）大部分场景是在停泊于莫比尔湾战列舰纪念公园并对公众开放的美国阿拉巴马号战列舰上拍摄的。 示例标题: 潜龙轰天 基础模型: roberta-large 模型索引:
• 名称: 汤姆·阿尔森在细粒度监督FewNERD上使用roberta-large的SpanMarker模型 结果:
  • 任务: 类型: 标记分类 名称: 命名实体识别 数据集: 名称: 细粒度监督FewNERD 类型: DFKI-SLT/few-nerd 配置: supervised 分割: 测试集 修订版本: 2e3e727c63604fbfa2ff4cc5055359c84fe5ef2c 指标:
    • 类型: F1值 值: 0.7103 名称: F1
    • 类型: 精确率 值: 0.7136 名称: 精确率
    • 类型: 召回率 值: 0.707 名称: 召回率

在FewNERD上使用roberta-large的SpanMarker模型

这是一个在FewNERD数据集上训练的SpanMarker模型，可用于命名实体识别。该SpanMarker模型使用roberta-large作为基础编码器。训练脚本参见train.py。

模型详情

模型描述

• 模型类型: SpanMarker
• 编码器: roberta-large
• 最大序列长度: 256个标记
• 最大实体长度: 8个单词
• 训练数据集: FewNERD
• 语言: 英文
• 许可证: cc-by-sa-4.0

模型来源

• 代码库: GitHub上的SpanMarker
• 论文: 用于命名实体识别的SpanMarker

模型标签

用途

直接使用

from span_marker import SpanMarkerModel

# 从🤗 Hub下载
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-roberta-large-fewnerd-fine-super")
# 运行推理
entities = model.predict("Most of the Steven Seagal movie ``Under Siege`` (co-starring Tommy Lee Jones) was filmed aboard the Battleship USS Alabama, which is docked on Mobile Bay at Battleship Memorial Park and open to the public.")

下游使用

您可以在自己的数据集上微调此模型。

from span_marker import SpanMarkerModel, Trainer

# 从🤗 Hub下载
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-roberta-large-fewnerd-fine-super")

# 指定包含"tokens"和"ner_tag"列的数据集
dataset = load_dataset("conll2003") # 例如CoNLL2003

# 使用预训练模型和数据集初始化Trainer
trainer = Trainer(
    model=model,
    train_dataset=dataset["train"],
    eval_dataset=dataset["validation"],
)
trainer.train()
trainer.save_model("tomaarsen/span-marker-roberta-large-fewnerd-fine-super-finetuned")

训练详情

训练集指标

训练超参数

• 学习率: 1e-05
• 训练批次大小: 8
• 评估批次大小: 8
• 随机种子: 42
• 优化器: Adam，参数beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: 线性
• 学习率调度器预热比例: 0.1
• 训练轮数: 3

训练硬件

• 云端训练: 否
• GPU型号: 1 x NVIDIA GeForce RTX 3090
• CPU型号: 第13代Intel(R) Core(TM) i7-13700K
• 内存大小: 31.78 GB

框架版本

• Python: 3.9.16
• SpanMarker: 1.3.1.dev
• Transformers: 4.29.2
• PyTorch: 2.0.1+cu118
• Datasets: 2.14.3
• Tokenizers: 0.13.2