语言:

• 越南语 标签:
• 命名实体识别 示例文本:
• 文本: "关于交警被指控殴打民众、击中一名正在睡觉的儿童的案件正在社交媒体上传播，前江省公安厅副厅长阮文造上校刚刚与周城县公安指挥官及部分省级业务单位召开会议，指导澄清信息。" 基础模型: NlpHUST/electra-base-vn 模型索引:
• 名称: ner-vietnamese-electra-base 结果: []

越南语命名实体识别模型

该模型是基于NlpHUST/electra-base-vn在VLSP 2018数据集上微调的版本。 在评估集上取得了以下结果:

• 损失值: 0.0580
• 地点精确率: 93.53%
• 地点召回率: 93.77%
• 地点F1值: 93.65%
• 地点数量: 2360
• 杂项精确率: 56.60%
• 杂项召回率: 68.97%
• 杂项F1值: 62.18%
• 杂项数量: 174
• 组织机构精确率: 86.10%
• 组织机构召回率: 90.68%
• 组织机构F1值: 88.33%
• 组织机构数量: 1878
• 人物精确率: 96.92%
• 人物召回率: 96.37%
• 人物F1值: 96.64%
• 人物数量: 2121
• 总体精确率: 91.22%
• 总体召回率: 93.07%
• 总体F1值: 92.14%
• 总体准确率: 99.07%

模型描述

需要更多信息

使用方法

您可以使用Transformers的pipeline进行命名实体识别。

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("NlpHUST/ner-vietnamese-electra-base")
model = AutoModelForTokenClassification.from_pretrained("NlpHUST/ner-vietnamese-electra-base")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "关于交警被指控殴打民众、击中一名正在睡觉的儿童的案件正在社交媒体上传播，前江省公安厅副厅长阮文造上校刚刚与周城县公安指挥官及部分省级业务单位召开会议，指导澄清信息。"

ner_results = nlp(example)
print(ner_results)

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数:

• 学习率: 5e-05
• 训练批次大小: 16
• 评估批次大小: 4
• 随机种子: 42
• 优化器: 带betas=(0.9,0.999)和epsilon=1e-08的Adam
• 学习率调度器类型: 线性
• 训练轮数: 10.0

框架版本

• Transformers 4.20.1
• Pytorch 1.8.0+cu111
• Datasets 2.4.0
• Tokenizers 0.12.1

联系方式

有关本项目的个人沟通，请联系阮文雅(nha282@gmail.com)。