---
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
```