35
model_cards/kuppuluri/telugu_bertu_ner/README.md
Normal file
35
model_cards/kuppuluri/telugu_bertu_ner/README.md
Normal file
@@ -0,0 +1,35 @@
|
|||||||
|
# Named Entity Recognition Model for Telugu
|
||||||
|
|
||||||
|
#### How to use
|
||||||
|
|
||||||
|
```python
|
||||||
|
from simpletransformers.ner import NERModel
|
||||||
|
model = NERModel('bert',
|
||||||
|
'kuppuluri/telugu_bertu_ner',
|
||||||
|
labels=[
|
||||||
|
'B-PERSON', 'I-ORG', 'B-ORG', 'I-LOC', 'B-MISC',
|
||||||
|
'I-MISC', 'I-PERSON', 'B-LOC', 'O'
|
||||||
|
],
|
||||||
|
use_cuda=False,
|
||||||
|
args={"use_multiprocessing": False})
|
||||||
|
|
||||||
|
text = "విరాట్ కోహ్లీ కూడా అదే నిర్లక్ష్యాన్ని ప్రదర్శించి కేవలం ఒక పరుగుకే రనౌటై పెవిలియన్ చేరాడు ."
|
||||||
|
results = model.predict([text])
|
||||||
|
```
|
||||||
|
|
||||||
|
## Training data
|
||||||
|
|
||||||
|
Training data is from https://github.com/anikethjr/NER_Telugu
|
||||||
|
|
||||||
|
## Eval results
|
||||||
|
|
||||||
|
On the test set my results were
|
||||||
|
|
||||||
|
eval_loss = 0.0004407190410447974
|
||||||
|
|
||||||
|
f1_score = 0.999519076627124
|
||||||
|
|
||||||
|
precision = 0.9994389677005691
|
||||||
|
|
||||||
|
recall = 0.9995991983967936
|
||||||
|
|
||||||
Reference in New Issue
Block a user