从0到1掌握bert-portuguese-ner：葡萄牙语NER模型的安装与快速上手

【免费下载链接】bert-portuguese-ner项目地址: https://ai.gitcode.com/hf_mirrors/lfcc/bert-portuguese-ner

bert-portuguese-ner是一个基于BERT架构的葡萄牙语命名实体识别（NER）模型，专为处理葡萄牙语档案文献设计。它能够精准识别文本中的日期、职业、人物、地点和组织等关键实体，为葡萄牙语文本分析提供强大支持。

🌟 模型核心优势

高准确率的实体识别能力

该模型在评估集上达到了97.00%的准确率和93.12%的F1分数，能够有效识别以下5类实体：

• B-Data（日期）和I-Data（日期内部）
• B-Local（地点）和I-Local（地点内部）
• B-Organizacao（组织）和I-Organizacao（组织内部）
• B-Pessoa（人物）和I-Pessoa（人物内部）
• B-Profissao（职业）和I-Profissao（职业内部）

专为葡萄牙语优化

基于neuralmind/bert-base-portuguese-cased预训练模型微调，针对葡萄牙语语法特点和档案文献领域进行了专项优化，词汇表规模达29794个，支持葡萄牙语特有词汇和拼写。

🚀 快速安装指南

1. 克隆项目仓库

git clone https://gitcode.com/hf_mirrors/lfcc/bert-portuguese-ner cd bert-portuguese-ner

2. 安装依赖环境

确保已安装Python 3.7+，然后安装必要依赖：

pip install transformers==4.10.0.dev0 torch==1.9.0+cu111 datasets==1.10.2 tokenizers==0.10.3

💡 模型使用教程

加载模型和分词器

from transformers import BertTokenizer, BertForTokenClassification tokenizer = BertTokenizer.from_pretrained("./") model = BertForTokenClassification.from_pretrained("./")

实体识别示例

text = "João Silva trabalhou na Universidade de Lisboa em 2020." inputs = tokenizer(text, return_tensors="pt") outputs = model(**inputs) predictions = outputs.logits.argmax(dim=2) # 将预测结果转换为实体标签 id2label = model.config.id2label tokens = tokenizer.convert_ids_to_tokens(inputs["input_ids"][0]) for token, prediction in zip(tokens, predictions[0]): if token not in ["[CLS]", "[SEP]", "[PAD]"]: print(f"{token}: {id2label[prediction.item()]}")

📊 模型性能表现

关键评估指标

• 准确率（Accuracy）：97.00%
• 精确率（Precision）：91.47%
• 召回率（Recall）：94.83%
• F1分数：93.12%

训练过程表现

⚙️ 模型配置详解

核心参数

• 隐藏层大小：768
• 注意力头数：12
• 隐藏层层数：12
• 最大序列长度：512
• 优化器：Adam（学习率2e-05）

实体标签映射

完整的实体标签定义可在config.json中查看，包含11种标签类型，其中以B-开头的表示实体开始，I-开头的表示实体内部，O表示非实体。

📚 数据集来源

模型训练数据来自葡萄牙档案文献标注语料库，可通过http://ner.epl.di.uminho.pt/获取完整数据集。该语料库包含大量历史档案文献，标注精细，适合葡萄牙语NER任务训练。

📄 引用与致谢

如果使用本模型，请引用以下论文：

@Article{make4010003, AUTHOR = {Cunha, Luís Filipe and Ramalho, José Carlos}, TITLE = {NER in Archival Finding Aids: Extended}, JOURNAL = {Machine Learning and Knowledge Extraction}, VOLUME = {4}, YEAR = {2022}, NUMBER = {1}, PAGES = {42--65}, DOI = {10.3390/make4010003} }

模型基于neuralmind/bert-base-portuguese-cased预训练模型开发，感谢原作者团队的贡献。

🎯 应用场景

• 葡萄牙语历史文献数字化处理
• 档案管理系统实体提取
• 葡萄牙语新闻自动摘要
• 学术论文实体标注辅助工具
• 多语言NER系统构建组件

【免费下载链接】bert-portuguese-ner项目地址: https://ai.gitcode.com/hf_mirrors/lfcc/bert-portuguese-ner