越南语电商域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越南语搜索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-vi: 内部越南语电商领域搜索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

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_viet-ecommerce-query', model_revisio='v1.0.1')
result = er_pipelie('quầ áo cổ trag cho búp bê')

prit(result)
#{'output': [{'type': 'product', 'start': 0, 'ed': 7, 'spa': 'quầ áo'}, {'type': 'style', 'start': 8, 'ed': 16, 'spa': 'cổ trag'}, {'type': 'fuctio', 'start': 21, 'ed': 27, 'spa': 'búp bê'}]}

性能评测

全局评测

按实体类型评测

越南语电商域Query NER介绍 模型描述 本方法采用Transformer-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越南语搜索query文本产出