File size: 2,386 Bytes
7e3a25c 085e20b f8f4680 175fc7d 7d6880a bb18939 7e3a25c 04b234c 77c5df9 04b234c 77c5df9 04b234c 7e3a25c 141d97a 7e3a25c 04b6065 7e3a25c c68d69e 7e3a25c 058c5f6 7e3a25c |
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 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 |
---
tags:
- spacy
- token-classification
language:
- ta
widget:
- text: "கூகுள் நிறுவனம் தனது முக்கிய வசதியான ஸ்ட்ரீட் வியூ வசதியை 10 நகரங்களில் இந்தியாவில் அறிமுகப்படுத்தி உள்ளது."
- text: "கென்யாவின் புதிய அரசுத்தலைவராக வில்லியம் ரூட்டோ தேர்ந்தெடுக்கப்பட்டார்."
- text: "என் பெயர் மாறன், நான் சென்னையில் வசிக்கிறேன்."
model-index:
- name: ta_Tamil_NER
results:
- task:
name: NER
type: token-classification
metrics:
- name: NER Precision
type: precision
value: 0.8433655536
- name: NER Recall
type: recall
value: 0.8552016039
- name: NER F Score
type: f_score
value: 0.8492423404
---
## Intended uses & limitations
#### How to use
You can use this model with spacy.
!pip install https://huggingface.co/karthid/ta_Tamil_NER/resolve/main/ta_Tamil_NER-any-py3-none-any.whl
import ta_Tamil_NER
from spacy import displacy
nlp = ta_Tamil_NER.load()
doc = nlp("கூகுள் நிறுவனம் தனது முக்கிய வசதியான ஸ்ட்ரீட் வியூ வசதியை 10 நகரங்களில் இந்தியாவில் அறிமுகப்படுத்தி உள்ளது.")
displacy.render(doc,jupyter=True, style = "ent")
| Feature | Description |
| --- | --- |
| **Name** | `ta_Tamil_NER` |
| **Version** | `0.0.0` |
| **spaCy** | `>=3.2.4,<3.3.0` |
| **Default Pipeline** | `transformer`, `ner` |
| **Components** | `transformer`, `ner` |
| **Vectors** | 0 keys, 0 unique vectors (0 dimensions) |
| **Sources** | n/a |
| **License** | n/a |
| **Author** | Karthi Dhayalan |
### Label Scheme
<details>
<summary>View label scheme </summary>
| Component | Labels |
| --- | --- |
| **`ner`** | `B-PER`, `I-PER`, `B-ORG`, `I-ORG`, `B-LOC`, `I-LOC` |
</details>
### Accuracy
| Type | Score |
| --- | --- |
| `ENTS_F` | 84.92 |
| `ENTS_P` | 84.34 |
| `ENTS_R` | 85.52 |
| `TRANSFORMER_LOSS` | 1842600.06 |
| `NER_LOSS` | 108788.05 | |