---
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 |