英语电商域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英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-e: 内部英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

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_eg-ecommerce-title', model_revisio='v1.0.0')
result = er_pipelie('T2P Bicycle Phoe Mout Uiversal Phoe Mout Holder Stad Cradle Clamp')

prit(result)
#{'output': [{'type': 'product', 'start': 4, 'ed': 23, 'spa': 'Bicycle Phoe Mout'}, {'type': 'fuctio', 'start': 24, 'ed': 33, 'spa': 'Uiversal'}, {'type': 'product', 'start': 34, 'ed': 52, 'spa': 'Phoe Mout Holder'}, {'type': 'product', 'start': 59, 'ed': 71, 'spa': 'Cradle Clamp'}]}

性能评测

全局评测

按实体类型评测

英语电商域Title NER介绍 模型描述 本方法采用Transformer-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英语商品标题文本产出命名实体识别结果, 具体