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, 具体调用方式请参考代码示例。

训练数据介绍

• ecom-title-en: 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(function), 品牌(brand), 模式(pattern), 颜色(color), 用户群体(consumer_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named-entity-recognition(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.pipelines import pipeline
from modelscope.utils.constant import Tasks

ner_pipeline = pipeline(Tasks.named_entity_recognition, 'damo/nlp_xlmr_named-entity-recognition_eng-ecommerce-title', model_revision='v1.0.1')
result = ner_pipeline('T2P Bicycle Phone Mount Universal Phone Mount Holder Stand Cradle Clamp')

print(result)
#{'output': [{'type': 'product', 'start': 4, 'end': 23, 'span': 'Bicycle Phone Mount'}, {'type': 'function', 'start': 24, 'end': 33, 'span': 'Universal'}, {'type': 'product', 'start': 34, 'end': 52, 'span': 'Phone Mount Holder'}, {'type': 'product', 'start': 59, 'end': 71, 'span': 'Cradle Clamp'}]}

性能评测

全局评测

按实体类型评测