语言:

• 乌克兰语 标签:
• 乌克兰语 小部件示例:
• 文本: "塔拉斯·舍甫琴科墓地位于切尔卡瑟州卡尼夫市的切尔涅恰山上，是乌克兰著名诗人塔拉斯·舍甫琴科的长眠之所。自1939年起，由雕塑家马特维·马尼泽尔创作的青铜纪念碑便矗立于此。" 许可证: MIT

模型描述

基于XLM-RoBERTa-Uk模型，在合成NER数据集上进行微调，包含B-PER（人名起始）、I-PER（人名中间）、B-LOC（地点起始）、I-LOC（地点中间）、B-ORG（组织起始）、I-ORG（组织中间）标签。

使用方法

通过Huggingface流水线方式（返回带标签的标记）:

from transformers import pipeline, AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained('ukr-models/uk-ner')
model = AutoModelForTokenClassification.from_pretrained('ukr-models/uk-ner')

ner = pipeline('ner', model=model, tokenizer=tokenizer)
ner("塔拉斯·舍甫琴科墓地位于切尔卡瑟州卡尼夫市的切尔涅恰山上，是乌克兰著名诗人塔拉斯·舍甫琴科的长眠之所。自1939年起，由雕塑家马特维·马尼泽尔创作的青铜纪念碑便矗立于此。")

如需获取按词语而非标记划分的预测结果，可采用以下方法（从代码库下载get_predictions.py脚本，该脚本使用tokenize_uk包进行分割）:

from transformers import AutoTokenizer, AutoModelForTokenClassification
from get_predictions import get_word_predictions

tokenizer = AutoTokenizer.from_pretrained('ukr-models/uk-ner')
model = AutoModelForTokenClassification.from_pretrained('ukr-models/uk-ner')

get_word_predictions(model, tokenizer, ["塔拉斯·舍甫琴科墓地位于切尔卡瑟州卡尼夫市的切尔涅恰山上，是乌克兰著名诗人塔拉斯·舍甫琴科的长眠之所。自1939年起，由雕塑家马特维·马尼泽尔创作的青铜纪念碑便矗立于此。"])