模型:

Davlan/xlm-roberta-base-ner-hrl

英文

Hugging Face的标志

语言:

  • 阿拉伯语
  • 德语
  • 英语
  • 西班牙语
  • 法语
  • 意大利语
  • 拉脱维亚语
  • 荷兰语
  • 葡萄牙语
  • 中文
  • 多语种

xlm-roberta-base-ner-hrl

模型描述

xlm-roberta-base-ner-hrl是基于精调的XLM-RoBERTa基础模型的用于10种高资源语言(阿拉伯语、德语、英语、西班牙语、法语、意大利语、拉脱维亚语、荷兰语、葡萄牙语和中文)的命名实体识别模型。它已经经过训练,可以识别三种类型的实体:位置(LOC)、组织(ORG)和人物(PER)。具体而言,该模型是基于xlm-roberta-base模型的,在10种高资源语言的聚合数据上进行了精调。

使用方法和限制

如何使用

您可以使用Transformers库中的pipeline进行NER。

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
tokenizer = AutoTokenizer.from_pretrained("Davlan/xlm-roberta-base-ner-hrl")
model = AutoModelForTokenClassification.from_pretrained("Davlan/xlm-roberta-base-ner-hrl")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Nader Jokhadar had given Syria the lead with a well-struck header in the seventh minute."
ner_results = nlp(example)
print(ner_results)
限制和偏差

该模型受其从特定时间段的实体注释新闻文章训练数据集的限制。这对于不同领域中的所有用例可能不具有很好的泛化能力。

训练数据

10种语言的训练数据来自:

Language Dataset
Arabic 1231321
German 1232321
English 1232321
Spanish 1234321
French 1235321
Italian 1236321
Latvian 1237321
Dutch 1234321
Portuguese 1239321
Chinese 12310321

训练数据集区分实体的开始和连续部分,因此如果连续的实体属于同一类型,模型可以输出第二个实体的开始位置。与数据集一样,每个标记将被分类为以下类别之一:

Abbreviation Description
O Outside of a named entity
B-PER Beginning of a person’s name right after another person’s name
I-PER Person’s name
B-ORG Beginning of an organisation right after another organisation
I-ORG Organisation
B-LOC Beginning of a location right after another location
I-LOC Location

训练过程

该模型在NVIDIA V100 GPU上使用HuggingFace代码推荐的超参数进行训练。