---
license: mit
base_model: dbmdz/bert-base-italian-cased
language:
- it
model-index:
- name: italian_ner
  results: []
widget:
- text: >-
    REPUBBLICA ITALIANA IN NOME DEL POPOLO ITALIANO Il tribunale di Roma In
    persona del Giudice Unico Dr. Mario Rossi ha emesso la seguente SENTENZA
    Nella causa civile di 1 grado iscritta  al N. 00100 del ruolo 
    generale dell’anno 2015, posta in deliberazione all’udienza dell’1 Gennaio
    2016, e vertente Tra Giuseppe Bianchi, (C.F.BNCGPP80A01H501E) elettivamente domiciliato in Roma,
    Via Termini 19, presso lo Studio dell’Avv. Antonio Verdi, che lo rappresenta
    e difende per procura in calce alla comparsa di costituzione di nuovo
    difensore OPPONENTE E Azienda panettieri S.p.A.
    
metrics:
- accuracy
- f1
library_name: transformers
---

# Modello di Riconoscimento di Entità Denominate (NER) per Sentenze Italiane - Descrizione

Questo modello di Ner è stato creato per l'analisi di entità denominate in sentenze emesse dalle corti italiane. Riconosce entità come persone, luoghi, organizzazioni, importi, date, codici fiscali; riconosce i titoli avv e dott e identifica le citazioni di leggi, sentenze e procedimenti 

## Dettagli
Nello specifico riconosce: 

- **PERSONA
- **ORGANIZZAZIONE
- **LUOGO
- **DATA
- **INDIRIZZO
- **IMPORTO
- **LEGGE
- **AVV
- **DOTT
- **CODFISC
- **NUMERO
- **IDSENT
- **IDPROC 


## How to Get Started with the Model

Puoi usare il modello utilizzando la *pipeline* for NER.

```python
from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("bboninsss/CiceroNER.v1")
model = AutoModelForTokenClassification.from_pretrained("bboninsss/CiceroNER.v1")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Mario Rossi è nato a Roma"
ner_results = nlp(example)
print(ner_results)
```


- **Developed by:** Marco Bonina