File size: 1,338 Bytes
4ddb3dd ebd05ce 4ddb3dd ebd05ce 4ddb3dd |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 |
---
license: mit
language:
- tr
metrics:
- accuracy
- f1
pipeline_tag: token-classification
tags:
- ner
- turkish-ner
- turkish
- nlp
---
Bu model "https://github.com/stefan-it/turkish-bert" base alınarak geliştirilmiş bir NER(Varlık ismi tanıma) modelidir.
## Eğitim ve validasyon verisi
Fine-tune işlemi için TDD-NER-202112-CC-001 veri seti kullanılmıştır.
@article{tur-etal-2003-milliyet,
title={A statistical information extraction system for Turkish},
volume={9},
DOI={10.1017/S135132490200284X},
number={2},
journal={Natural Language Engineering},
publisher={Cambridge University Press},
author={Tür, Gökhan and Hakkani-Tür, Dilek and Oflazer, Kemal},
year={2003},
pages={181–210}
}
### Hiperparametreler
custom_labels = ["O","B-LOC","I-LOC","B-ORG","I-ORG","B-PER","I-PER"]
model_args = {
"train_batch_size": 32,
"eval_batch_size": 32,
"num_train_epochs": 3,
"seed":1,
"save_steps": 625,
"overwrite_output_dir": True,
"output_dir": "/content/Model"
}
### Nasıl Kullanılacağı
```
from transformers import pipeline
pipe = pipeline("token-classification", model="Gorengoz/bert-based-Turkish-NER")
pipe("Entity X'in müşteri hizmetleri hızlı ve etkili, Entity Y'nin ürün kalitesi çok kötü.",aggregation_strategy = "simple"")
``` |