bcms-bertic-ner

bcms-bertic-ner

BERTić微调模型实现BCMS语言的高效命名实体识别

bcms-bertic-ner是一个针对波斯尼亚语、克罗地亚语、黑山语和塞尔维亚语(BCMS)的命名实体识别模型。该模型基于BERTić架构,通过多个标准和社交媒体数据集进行微调,可识别人名、地点、组织和其他实体。在开发数据上,模型达到91.38的F1分数,为BCMS语言的自然语言处理任务提供了有力工具。

Huggingface模型机器学习命名实体识别Github开源项目自然语言处理BERTić巴尔干语言

bcms-bertic-ner项目介绍

bcms-bertic-ner是一个专门为波斯尼亚语、克罗地亚语、黑山语和塞尔维亚语(简称BCMS)进行命名实体识别(NER)任务而设计的模型。这个模型是在BERTić基础模型上进行微调得到的。BERTić模型的名称灵感来源于两个事实:一是该模型在克罗地亚的萨格勒布训练,那里流行使用以"-ić"结尾的指小词;二是在使用这些语言的国家中,大多数姓氏都以"-ić"结尾。

模型训练数据

该模型的微调过程使用了以下四个数据集:

  1. hr500k数据集:包含50万个标准克罗地亚语标记
  2. SETimes.SR数据集:包含8.7万个标准塞尔维亚语标记
  3. ReLDI-hr数据集:包含8.9万个来自互联网(Twitter)的克罗地亚语标记
  4. ReLDI-sr数据集:包含9.2万个来自互联网(Twitter)的塞尔维亚语标记

数据增强和模型性能

在训练过程中,研究人员对数据进行了增强处理,包括添加缺失的变音符号,并对标准数据进行了过度表示。在开发数据上(将训练集和测试集合并为训练集),模型achieved了91.38的F1分数。

模型应用

bcms-bertic-ner模型可以识别四种类型的命名实体:人名(PER)、地点(LOC)、组织(ORG)和其他杂项(MISC)。这使得该模型在处理BCMS语言的文本时,能够自动识别和标注这些重要的实体信息。

使用方法

研究人员可以使用simpletransformers库来运行这个模型。在使用时,需要正确设置标签的顺序。示例代码如下:

from simpletransformers.ner import NERModel, NERArgs model_args = NERArgs() model_args.labels_list = ['B-LOC','B-MISC','B-ORG','B-PER','I-LOC','I-MISC','I-ORG','I-PER','O'] model = NERModel('electra', 'classla/bcms-bertic-ner', args=model_args)

研究意义

bcms-bertic-ner项目的开发为BCMS语言的自然语言处理研究提供了重要工具。它不仅可以帮助研究人员更好地理解和分析这些语言的文本,还可以应用于各种实际场景,如信息提取、文本分类、问答系统等。这个项目的成功也为其他低资源语言的NLP研究提供了有价值的参考。

开源贡献

值得注意的是,bcms-bertic-ner模型采用Apache 2.0许可证开源。研究者在使用这个模型时,应当引用相关的研究论文,以此支持和鼓励开源社区的发展。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多