license: mit
language: ja
tags:
- luke
- pytorch
- transformers
- ner
- 固有表現抽出
- named entity recognition
- named-entity-recognition
このモデルはluke-japanese-base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luke-japanese-base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 luke-japanese-base
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
| precision | recall | f1-score | support | |
|---|---|---|---|---|
| その他の組織名 | 0.76 | 0.77 | 0.77 | 238 |
| イベント名 | 0.83 | 0.90 | 0.87 | 215 |
| 人名 | 0.88 | 0.91 | 0.90 | 546 |
| 地名 | 0.84 | 0.83 | 0.83 | 440 |
| 政治的組織名 | 0.80 | 0.84 | 0.82 | 263 |
| 施設名 | 0.78 | 0.83 | 0.80 | 241 |
| 法人名 | 0.88 | 0.90 | 0.89 | 487 |
| 製品名 | 0.74 | 0.80 | 0.77 | 252 |
| micro avg | 0.83 | 0.86 | 0.84 | 2682 |
| macro avg | 0.81 | 0.85 | 0.83 | 2682 |
| weighted avg | 0.83 | 0.86 | 0.84 | 2682 |
How to use 使い方
sentencepieceとtransformersをインストールして (pip install sentencepiece , 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.
from transformers import MLukeTokenizer,pipeline, LukeForTokenClassification
tokenizer = MLukeTokenizer.from_pretrained('Mizuiro-sakura/luke-japanese-base-finetuned-ner')
model=LukeForTokenClassification.from_pretrained('Mizuiro-sakura/luke-japanese-base-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)
what is Luke? Lukeとは？[1]
LUKE (Language Understanding with Knowledge-based Embeddings) is a new pre-trained contextualized representation of words and entities based on transformer. LUKE treats words and entities in a given text as independent tokens, and outputs contextualized representations of them. LUKE adopts an entity-aware self-attention mechanism that is an extension of the self-attention mechanism of the transformer, and considers the types of tokens (words or entities) when computing attention scores.
LUKE achieves state-of-the-art results on five popular NLP benchmarks including SQuAD v1.1 (extractive question answering), CoNLL-2003 (named entity recognition), ReCoRD (cloze-style question answering), TACRED (relation classification), and Open Entity (entity typing). luke-japaneseは、単語とエンティティの知識拡張型訓練済み Transformer モデルLUKEの日本語版です。LUKE は単語とエンティティを独立したトークンとして扱い、これらの文脈を考慮した表現を出力します。
Acknowledgments 謝辞
Lukeの開発者である山田先生とStudio ousiaさんには感謝いたします。 I would like to thank Mr.Yamada @ikuyamada and Studio ousia @StudioOusia.
Citation
[1]@inproceedings{yamada2020luke, title={LUKE: Deep Contextualized Entity Representations with Entity-aware Self-attention}, author={Ikuya Yamada and Akari Asai and Hiroyuki Shindo and Hideaki Takeda and Yuji Matsumoto}, booktitle={EMNLP}, year={2020} }