印尼语电商域Title NER介绍
模型描述
本方法采用Trasformer-CRF模型，使用XLM-RoBERTa作为预训练模型底座。本模型主要用于给输入越南语商品标题文本产出命名实体识别结果, 具体调用方式请参考代码示例。
训练数据介绍
- ecom-title-id: 内部印尼语电商领域商品标题命名实体识别(NER)数据集, 支持产品(product), 功能(fuctio), 品牌(brad), 模式(patter), 颜色(color), 用户群体(cosumer_group), 风格(style)等七大类型的实体识别
| 实体类型 |
英文名 |
| 产品 |
product |
| 功能 |
fuctio |
| 品牌 |
brad |
| 图案 |
patter |
| 颜色 |
color |
| 用户群体 |
cosumer_group |
| 风格 |
style |
快速上手
适用范围
在安装ModelScope完成之后即可使用amed-etity-recogitio(命名实体识别)的能力, 默认单句长度不超过512, 推荐输入长度不超过128的句子。
代码示例
from modelscope.pipelies import pipelie
from modelscope.utils.costat import Tasks
er_pipelie = pipelie(Tasks.amed_etity_recogitio, 'damo/lp_xlmr_amed-etity-recogitio_ido-ecommerce-title', model_revisio='v1.0.1')
result = er_pipelie('Bayi Bayi Aak Musim Digi Hagat Tebal Faux Bulu')
prit(result)
#{'output': [{'type': 'cosumer_group', 'start': 0, 'ed': 4, 'spa': 'Bayi'}, {'type': 'cosumer_group', 'start': 5, 'ed': 9, 'spa': 'Bayi'}, {'type': 'cosumer_group', 'start': 10, 'ed': 14, 'spa': 'Aak'}]}
性能评测
全局评测
| Precisio |
Recall |
F1 |
| 86.5 |
85.1 |
85.8 |
按实体类型评测
| 实体类型 |
Precisio |
Recall |
F1 |
| product |
85.85 |
87.04 |
86.44 |
| fuctio |
81.65 |
63.11 |
71.20 |
| brad |
78.63 |
75.21 |
76.88 |
| patter |
80.87 |
74.71 |
77.67 |
| color |
83.28 |
88.05 |
85.60 |
| cosumer_group |
96.30 |
96.52 |
96.41 |
| style |
93.73 |
92.42 |
93.07 |
评论