File size: 2,026 Bytes
9d73213 d97e5d4 fc7a587 9287318 9d73213 9287318 9d73213 e830f12 9d73213 d97e5d4 9d73213 18b43e5 3036a08 9d73213 |
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 59 60 61 |
---
language: bn
datasets:
- wikiann
examples:
widget:
- text: "আমি, সাকিব হোসেন হিমেল, ডাটা সায়েন্সে স্নাতকোত্তর করছি, বর্তমানে জার্মানির বার্লিনে থাকি, গত বছর বাংলাদেশ থেকে এসেছি।"
example_title: "Sentence_1"
- text: "হোর্হেলুইস বোর্হেস"
example_title: "Sentence_2"
- text: "বাংলাদেশ জাতীয় ক্রিকেট দল"
example_title: "Sentence_3"
- text: "কুড়িগ্রাম উপজেলা"
example_title: "Sentence_4"
- text: "লিওনার্দো দা ভিঞ্চি"
example_title: "Sentence_5"
- text: "রিয়াল মাদ্রিদ ফুটবল ক্লাব"
example_title: "Sentence_6"
---
<h1>Named Entity Recognition on Bangla Language</h1>
Fine Tuning BERT for NER on Bengali Language Tagging using HuggingFace
## Correspondence Label ID and Label Name
| Label ID | Label Name|
| -------- | ----- |
|0 | O |
| 1 | B-PER |
| 2 | I-PER |
| 3 | B-ORG|
| 4 | I-ORG |
| 5 | B-LOC |
| 6 | I-LOC |
<h1>Evaluation and Validation</h1>
| Name | Precision | Recall | F1 | Accuracy |
| ---- | -------- | ----- | ---- | ---- |
| Train/Val set | 0.963899 | 0.964770 | 0.964334 | 0.981252 |
| Test set | 0.952855 | 0.965105 | 0.958941 | 0.981349 |
Transformers AutoModelForTokenClassification
```py
from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
tokenizer = AutoTokenizer.from_pretrained("engineersakibcse47/NER_on_Bangla_Language")
model_ner = AutoModelForTokenClassification.from_pretrained("engineersakibcse47/NER_on_Bangla_Language")
pipe = pipeline("ner", model=model_ner, tokenizer=tokenizer, aggregation_strategy="simple")
sample = "বসনিয়া ও হার্জেগোভিনা"
result = pipe(sample)
result
```
|