🚀 ModernBERT命名实体识别（CoNLL2003）

本模型是 answerdotai/ModernBERT-base 在CoNLL2003数据集上针对命名实体识别（NER）任务进行微调后的版本。

在识别人物、组织和地点等实体的任务中表现出色。

该模型在评估集上取得了以下成绩：

• 损失率：0.0992
• 精确率：0.8349
• 召回率：0.8563
• F1值：0.8455
• 准确率：0.9752

✨ 主要特性

• 强大的实体识别能力：能够准确识别文本中的人物、组织和地点等命名实体。
• 基于优质基础模型：以ModernBERT为基础，在CoNLL2003数据集上进行微调，具有良好的泛化能力。

📦 安装指南

文档中未提及安装步骤，可参考Hugging Face Transformers库的官方安装指南进行安装。

💻 使用示例

基础用法

from transformers import pipeline

ner = pipeline(task="token-classification", model="IsmaelMousa/modernbert-ner-conll2003", aggregation_strategy="max")

results = ner("Hi, I'm Ismael Mousa from Palestine working for NVIDIA inc.")

for entity in results:
    for key, value in entity.items():
        if key == "entity_group":
            print(f"{entity['word']} => {entity[key]}")

运行上述代码，输出结果如下：

Ismael Mousa => PER
Palestine => LOC
NVIDIA => ORG

📚 详细文档

模型详情

训练数据

该模型在CoNLL2003数据集上进行了微调，这是一个著名的命名实体识别基准数据集。此数据集为模型在通用英文文本上的泛化提供了坚实的基础。

训练超参数

以下是训练过程中使用的超参数：

• 学习率：1e-06
• 训练批次大小：8
• 评估批次大小：8
• 随机种子：42
• 优化器：使用adamw_torch，β值为(0.9, 0.999)，ε值为1e-08，无额外优化器参数
• 学习率调度器类型：线性
• 训练轮数：10

训练结果

框架版本

• Transformers 4.48.0.dev0
• Pytorch 2.2.1+cu121
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 许可证

本项目采用Apache-2.0许可证。