标签:

• flair
• 标记分类
• 序列标注模型 语言: fa 数据集:
• NSURL-2019 小部件:
• 文本: >- 该系列电影的首映将于周一（波斯历2月13日）21点在电影博物馆举行。 指标:
• f1

基于Flair的波斯语命名实体识别

这是Flair框架自带的波斯语7类命名实体识别模型。

F1分数：90.33（NSURL-2019数据集）

可识别的NER标签：

基于Flair嵌入和Pars-Bert模型构建。

演示：Flair中的使用方法

要求安装：Flair (pip install flair)

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

# 加载标注器
tagger = SequenceTagger.load("PooryaPiroozfar/Flair-Persian-NER")

# 创建示例语句
sentence = Sentence("该系列电影的首映将于周一（波斯历2月13日）21点在电影博物馆举行。")

# 预测NER标签
tagger.predict(sentence)

# 打印语句
print(sentence)

# 打印预测的NER片段
print('识别到以下NER标签：')
# 遍历实体并打印
for entity in sentence.get_spans('ner'):
    print(entity)

输出结果示例：

Span[4:8]: "周一（波斯历2月13日）" → DAT (1.0)
Span[10:12]: "21点" → TIM (1.0)
Span[13:15]: "电影博物馆" → LOC (0.9999)

性能指标

• 微平均F分数 0.9033
• 宏平均F分数 0.8976
• 准确率 0.8277

按类别统计：
              精确率    召回率    f1分数    支持数

         ORG     0.9016    0.8667    0.8838      1523
         LOC     0.9113    0.9305    0.9208      1425
         PER     0.9216    0.9322    0.9269      1224
         DAT     0.8623    0.7958    0.8277       480
         MON     0.9665    0.9558    0.9611       181
         PCT     0.9375    0.9740    0.9554        77
         TIM     0.8235    0.7925    0.8077        53

   微平均      0.9081    0.8984    0.9033      4963
   宏平均      0.9035    0.8925    0.8976      4963
加权平均      0.9076    0.8984    0.9028      4963
样本平均      0.8277    0.8277    0.8277      4963