BERTによる日本語固有表現抽出のモデル

BertForTokenClassification を用いて、日本語の文から固有表現を抽出します。

抽出される固有表現のタイプは、以下の8種類です。

• 人名
• 法人名（法人または法人に類する組織）
• 政治的組織名（政治的組織名、政党名、政府組織名、行政組織名、軍隊名、国際組織名）
• その他の組織名（競技組織名、公演組織名、その他）
• 地名
• 施設名
• 製品名（商品名、番組名、映画名、書籍名、歌名、ブランド名等）
• イベント名

使用方法

必要なライブラリ（transformers、unidic_lite、fugashi）をpipなどでインストールして、下記のコードを実行するだけです。

from transformers import BertJapaneseTokenizer, BertForTokenClassification
from transformers import pipeline

model = BertForTokenClassification.from_pretrained("jurabi/bert-ner-japanese")
tokenizer = BertJapaneseTokenizer.from_pretrained("jurabi/bert-ner-japanese")

ner_pipeline = pipeline('ner', model=model, tokenizer=tokenizer)
ner_pipeline("株式会社Jurabiは、東京都台東区に本社を置くIT企業である。")

事前学習モデル

東北大学乾研究室が公開している日本語BERTモデル（ cl-tohoku/bert-base-japanese-v2 ）

学習データ

ストックマーク株式会社が公開しているWikipediaを用いた日本語の固有表現抽出データセット（ stockmarkteam/ner-wikipedia-dataset ）

ソースコード

ファインチューニングに使用したプログラムは、 jurabiinc/bert-ner-japanese で公開しています。

ライセンス

Creative Commons Attribution-ShareAlike 3.0