Update README.md

README.md

@@ -1,3 +1,65 @@
 ---
 license: mit
+language: ja
+tags:
+    - bert
+    - pytorch
+    - transformers
+    - ner
+    - 固有表現抽出
+    - named entity recognition
+    - named-entity-recognition
+    
 ---
+
+# このモデルはcl-tohoku/bert-large-japanese-v2をファインチューニングして、固有表現抽出（NER）に用いれるようにしたものです。
+このモデルはcl-tohoku/bert-large-japanese-v2を
+Wikipediaを用いた日本語の固有表現抽出データセット(ストックマーク社、https://github.com/stockmarkteam/ner-wikipedia-dataset )を用いてファインチューニングしたものです。
+
+固有表現抽出（NER）タスクに用いることができます。
+
+# This model is fine-tuned model for Named-Entity-Recognition(NER) which is based on cl-tohoku/bert-large-japanese-v2
+
+This model is fine-tuned by using Wikipedia dataset.
+
+You could use this model for NER tasks.
+
+# モデルの精度 accuracy of model
+全体：0.8620626488367833
+||                       precision   |recall   | f1-score  | support|
+|---|----|----|----|----|
+|その他の組織名 |      0.80 |     0.78 |     0.79|       238|
+|イベント名      | 0.82|      0.88 |     0.85 |      215|
+|人名 |      0.92 |     0.95   |   0.93  |     549|
+|地名      | 0.90   |   0.89   |   0.89     |  446|
+|政治的組織名      | 0.86   |   0.91  |    0.89   |    263|
+|施設名    |   0.86   |   0.91    |  0.88     |  241|
+|法人名    |   0.88   |   0.89  |    0.88   |    487|
+|製品名     |  0.62   |   0.68    |  0.65     |  252|
+|micro avg       |0.85     | 0.87   |   0.86  |    2691|
+|macro avg      | 0.83     | 0.86    |  0.85  |    2691|
+|weighted avg   |    0.85  |    0.87  |    0.86   |   2691|
+
+
+
+# How to use 使い方
+fugashiとtransformers,unidic_liteをインストールして (pip install fugashi, pip install unidic_lite, pip install transformers) 
+以下のコードを実行することで、NERタスクを解かせることができます。
+please execute this code.
+```python
+from transformers import AutoTokenizer,pipeline, AutoModelForTokenClassification
+
+tokenizer = AutoTokenizer.from_pretrained('Mizuiro-sakura/bert-large-japanese-v2-finetuned-ner')
+model=AutoModelForTokenClassification.from_pretrained('Mizuiro-sakura/bert-large-japanese-v2-finetuned-ner') # 学習済みモデルの読み込み
+
+text=('昨日は東京で買い物をした')
+
+ner=pipeline('ner', model=model, tokenizer=tokenizer)
+
+result=ner(text)
+print(result)
+```
+
+
+
+