XLM-R命名实体识别-泰语-电商领域(搜索query)-base
XLM-R命名实体识别-泰语-电商领域(搜索query)-base是基于18K电商领域搜索query数据训练得到的泰语命名实体识别模型,可根据用户输入的泰语搜索query文本产出命名实体识别结果。
  • 模型资讯
  • 模型资料

泰语电商域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(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_thai-ecommerce-query', model_revision='v1.0.1')
result = ner_pipeline('ซงกาแฟ')

print(result)
#{'output': [{'type': 'product', 'start': 0, 'end': 7, 'span': 'ซง กาแฟ'}]}

性能评测

全局评测

Precision Recall F1
81.8 83.6 82.7

按实体类型评测

实体类型 Precision Recall F1
brand 80.67 81.94 81.30
color 77.42 87.27 82.05
consumer_group 92.59 91.91 92.25
function 68.52 69.59 69.05
pattern 75.45 74.44 74.94
product 84.42 86.71 85.55
style 82.05 84.21 83.12