泰语电商域Query NER介绍
模型描述
本方法采用Trasformer-CRF模型，使用XLM-RoBERTa(XLM-R)作为预训练模型底座。本模型主要用于给输入泰语搜索query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-query-th: 内部泰语电商领域搜索query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_thai-ecommerce-query', model_revisio='v1.0.1')
result = er_pipelie('ซงกาแฟ')
prit(result)
#{'output': [{'type': 'product', 'start': 0, 'ed': 7, 'spa': 'ซง กาแฟ'}]}
性能评测
全局评测
| Precisio |
Recall |
F1 |
| 81.8 |
83.6 |
82.7 |
按实体类型评测
| 实体类型 |
Precisio |
Recall |
F1 |
| brad |
80.67 |
81.94 |
81.30 |
| color |
77.42 |
87.27 |
82.05 |
| cosumer_group |
92.59 |
91.91 |
92.25 |
| fuctio |
68.52 |
69.59 |
69.05 |
| patter |
75.45 |
74.44 |
74.94 |
| product |
84.42 |
86.71 |
85.55 |
| style |
82.05 |
84.21 |
83.12 |
评论