XLM-R命名实体识别-英语-电商领域(搜索query)-base
XLM-R命名实体识别-英语-电商领域(搜索query)-base是基于18K电商领域搜索query数据训练得到的英语命名实体识别模型，可根据用户输入的英语搜索query文本产出命名实体识别结果。
- 模型资讯
- 模型资料
英语电商域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英语搜索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-en: 内部英语电商领域搜索query命名实体识别(NER)数据集, 支持产品(product), 功能(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
| 实体类型 | 英文名 |
|---|---|
| 产品 | product |
| 功能 | function |
| 品牌 | brand |
| 图案 | pattern |
| 颜色 | color |
| 用户群体 | consumer_group |
| 风格 | style |
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-query', model_revision='v1.0.1')
result = ner_pipeline('x mini me speaker')
print(result)
#{'output': [{'type': 'brand', 'start': 0, 'end': 6, 'span': 'x mini'}, {'type': 'product', 'start': 10, 'end': 17, 'span': 'speaker'}]}
性能评测
全局评测
| Precision | Recall | F1 |
|---|---|---|
| 74.6 | 76.8 | 75.7 |
按实体类型评测
| 实体类型 | Precision | Recall | F1 |
|---|---|---|---|
| product | 75.54 | 80.69 | 78.03 |
| brand | 75.17 | 76.06 | 75.61 |
| pattern | 70.78 | 62.75 | 66.52 |
| color | 76.60 | 90.00 | 82.76 |
| consumer_group | 90.62 | 90.62 | 90.62 |
| style | 82.76 | 77.42 | 80.00 |
| function | 62.06 | 62.55 | 62.30 |