Project Icon

ner-dutch-large

荷兰语命名实体识别模型,支持4类实体标签

该项目提供一个荷兰语命名实体识别模型,应用于Flair和XLM-R嵌入,支持识别地点、人物等四类标签,F1得分为95.25。通过Python代码示例,展示实际文本的实体识别过程;同时,项目包含完整的训练脚本,帮助用户创建定制化识别任务。

ner-dutch-large项目介绍

ner-dutch-large是由Flair提供的一个针对荷兰语的四类命名实体识别(NER)大型模型。该模型在CoNLL-03荷兰语数据集上的F1得分达到了95.25,显示出其在识别实体方面的高效性。该模型可以识别四种标签,分别是:

  • PER:用于表示人名。
  • LOC:用于表示地点名。
  • ORG:用于表示组织名。
  • MISC:用于表示其他类型的名称。

该模型是基于文档级XLM-R嵌入和FLERT技术开发的,体现了较高的识别准确性。

使用Demo:如何在Flair中使用

用户可以使用Flair库来应用该NER模型。这需要安装Flair,使用命令pip install flair即可。以下是如何在Python中使用该模型的示例代码:

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

# 加载NER模型
tagger = SequenceTagger.load("flair/ner-dutch-large")

# 创建一个示例句子
sentence = Sentence("George Washington ging naar Washington")

# 预测NER标签
tagger.predict(sentence)

# 输出句子
print(sentence)

# 输出预测的NER标签
print('The following NER tags are found:')
# 遍历并打印识别的实体
for entity in sentence.get_spans('ner'):
    print(entity)

示例代码中,通过输入句子“George Washington ging naar Washington”,模型能够识别出“George Washington”是一个人名(PER),以及“Washington”是一个地点名(LOC)。

训练:模型训练脚本

开发者可以使用Flair提供的脚本来训练该模型。训练过程包括从CONLL_03_DUTCH数据集中获取语料,定义需要预测的标签类型ner,生成标签字典,初始化可微调的Transformer嵌入,配置序列标注器,以及设置优化器和训练参数来运行训练。

训练代码中的主要步骤包括:

  1. 从语料库中获取数据。
  2. 构建标注字典。
  3. 初始化Transformer词嵌入与文档上下文。
  4. 配置序列标注器,不使用CRF和RNN。
  5. 使用AdamW优化器初始化训练器。
  6. 在20轮训练中运行模型训练。

详细的训练配置有助于有经验的开发者快速理解如何复现或微调模型。

引用

在使用此模型时,请引用如下论文:

@misc{schweter2020flert,
    title={FLERT: Document-Level Features for Named Entity Recognition},
    author={Stefan Schweter and Alan Akbik},
    year={2020},
    eprint={2011.06993},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

问题反馈

如在使用中遇到问题,可以访问Flair的问题跟踪器进行反馈。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号