camembert-ner：基于 camemBERT 微调的 NER 模型

介绍

[camembert-ner] 是一个基于 camemBERT 在 wikiner-fr 数据集上微调的命名实体识别（NER）模型。 该模型在 wikiner-fr 数据集上进行了训练（约 170,634 个句子）。 该模型已在邮件/聊天数据上进行了验证，在此类型数据上的表现优于其他模型。 特别值得注意的是，该模型在处理首字母不大写的实体时效果更好。

训练数据

训练数据分类如下：

如何使用 camembert-ner 与 HuggingFace

加载 camembert-ner 及其子词分词器：

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("Jean-Baptiste/camembert-ner")
model = AutoModelForTokenClassification.from_pretrained("Jean-Baptiste/camembert-ner")


##### 处理文本样本（来自维基百科）

from transformers import pipeline

nlp = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")
nlp("Apple est créée le 1er avril 1976 dans le garage de la maison d'enfance de Steve Jobs à Los Altos en Californie par Steve Jobs, Steve Wozniak et Ronald Wayne14, puis constituée sous forme de société le 3 janvier 1977 à l'origine sous le nom d'Apple Computer, mais pour ses 30 ans et pour refléter la diversification de ses produits, le mot « computer » est retiré le 9 janvier 2015.")


[{'entity_group': 'ORG',
  'score': 0.9472818374633789,
  'word': 'Apple',
  'start': 0,
  'end': 5},
 {'entity_group': 'PER',
  'score': 0.9838564991950989,
  'word': 'Steve Jobs',
  'start': 74,
  'end': 85},
 {'entity_group': 'LOC',
  'score': 0.9831605950991312,
  'word': 'Los Altos',
  'start': 87,
  'end': 97},
 {'entity_group': 'LOC',
  'score': 0.9834540486335754,
  'word': 'Californie',
  'start': 100,
  'end': 111},
 {'entity_group': 'PER',
  'score': 0.9841555754343668,
  'word': 'Steve Jobs',
  'start': 115,
  'end': 126},
 {'entity_group': 'PER',
  'score': 0.9843501806259155,
  'word': 'Steve Wozniak',
  'start': 127,
  'end': 141},
 {'entity_group': 'PER',
  'score': 0.9841533899307251,
  'word': 'Ronald Wayne',
  'start': 144,
  'end': 157},
 {'entity_group': 'ORG',
  'score': 0.9468960364659628,
  'word': 'Apple Computer',
  'start': 243,
  'end': 257}]

模型性能（指标：seqeval）

总体

按实体类型

如有兴趣，以下是一篇简短的文章，介绍我如何使用该模型的结果来训练 LSTM 模型以检测邮件中的签名： https://medium.com/@jean-baptiste.polle/lstm-model-for-email-signature-detection-8e990384fefa