README.md

metadata

language:
  - multilingual
  - pl
  - ru
  - uk
  - bg
  - cs
  - sl
datasets:
  - SlavicNER
license: apache-2.0
library_name: transformers
pipeline_tag: text2text-generation
tags:
  - lemmatization
widget:
  - text: pl:Polsce
  - text: cs:Velké Británii
  - text: bg:българите
  - text: ru:Великобританию
  - text: sl:evropske komisije
  - text: uk:Європейського агентства лікарських засобів

Model description

This is a baseline model for named entity lemmatization trained on the single-out topic split of the SlavicNER corpus.

Resources and Technical Documentation

• Paper: Cross-lingual Named Entity Corpus for Slavic Languages, to appear in LREC-COLING 2024.
• Annotation guidelines: https://arxiv.org/pdf/2404.00482
• SlavicNER Corpus: https://github.com/SlavicNLP/SlavicNER

Evaluation

Will appear soon

Usage

You can use this model directly with a pipeline for text2text generation:

from transformers import pipeline

model_name = "SlavicNLP/slavicner-lemma-single-out-large"
pipe = pipeline("text2text-generation", model_name)

texts = ["pl:Polsce", "cs:Velké Británii", "bg:българите", "ru:Великобританию", "sl:evropske komisije",
         "uk:Європейського агентства лікарських засобів"]

outputs = pipe(texts)

lemmas = [o['generated_text'] for o in outputs]
print(lemmas)
# ['Polska', 'Velká Británie', 'българи', 'Великобритания', 'evropska komisija', 'Європейське агентство лікарських засобів']

Citation

Will appear soon