语言:

• 西班牙语 许可证: isc 库名称: flair 标签:
• flair
• 标记分类 指标:
• f1值
• 精确率
• 召回率
• 准确率 小部件示例:
• 文本: "Jean Paul Gaultier Classique - 50 ML 女士淡香精香水"

YODA是什么

YODA是为谷歌Feed产品优化打造的一系列模型。我们致力于通过增强和改进短标题、颜色、尺寸等元数据，扩大电商产品的市场覆盖范围。目前已有300多家企业将YODA应用于生产环境，优化产品超过350万件。

NER模型应用

我们训练了用于产品特征提取的命名实体识别(NER)模型，可识别颜色、尺码、品牌和能效标签等数据。该模型基于300多万条产品元数据训练，各项指标如下：

评估结果:

• 微平均F值 0.972
• 宏平均F值 0.9692
• 准确率 0.9461

按类别细分:

综合指标:

演示：Flair调用方法

环境要求:

• 安装**Flair库** (pip install flair)

from flair.data import Sentence
from flair.models import SequenceTagger

# 加载模型
tagger = SequenceTagger.load("lighthousefeed/yoda-ner")

# 输入示例文本
sentence = Sentence("Jean Paul Gaultier Classique - 50 ML 女士淡香精香水")

# 执行预测
tagger.predict(sentence)

# 输出标注结果
print(sentence)

# 打印识别出的实体
print('识别到以下实体:')

# 遍历实体并打印
for entity in sentence.get_spans('ner'):
    print(entity)

联系方式

如有任何疑问，请联系首席机器学习开发工程师Iván R. Gázquez。我们非常期待了解您如何使用这个模型！