Model Card for Model ID
料理を検索するための質問文から、検索検索用キーワードである固有表現を抽出します
Model Details
Model Description
例えば、「東京の肉料理で、春に食べられる、鶏肉を使った料理を教えてください」という文章を入力すると、
「東京 → 都道府県/地方(AREA)」 「肉料理 → 種類(TYPE)」 「春 → 季節(SZN)」 「鶏肉 → 食材(INGR)」
のように、固有表現を抽出します
抽出対象は、AREA、TYPE、SZN、INGRの4つです
- Language(s) (NLP): 日本語
- License: mit
- Finetuned from model: tohoku-nlp/bert-base-japanese-v2
Model Sources
- Repository: wolf4032/nlp-token-classification
- データセット、言語モデル、アプリの作成に使ったコードが掲載されています
- Documentation: Qiita
- Demo: wolf4032/japanese-token-classification-search-local-cuisine
How to Get Started with the Model
Google Colaboratoryの場合
!pip install transformers fugashi ipadic
!pip install unidic-lite
from transformers import BertJapaneseTokenizer, BertForTokenClassification
from transformers import pipeline
model_name = 'wolf4032/bert-japanese-token-classification-search-local-cuisine'
model = BertForTokenClassification.from_pretrained(model_name)
tokenizer = BertJapaneseTokenizer.from_pretrained(model_name)
ner_pipeline = pipeline(
'token-classification',
model=model,
tokenizer=tokenizer,
aggregation_strategy='simple'
)
input = '東京の肉料理で、春に食べられる、鶏肉を使った料理を教えてください'
ner_pipeline(input)
Training Details
Training Data
wolf4032/token-classification-japanese-search-local-cuisine
Evaluation
Testing Data, Factors & Metrics
Testing Data
wolf4032/token-classification-japanese-search-local-cuisine
Metrics
- F1 Score: 調和平均に基づくメトリクスで、精度と再現率のバランスを示します。
- Accuracy: モデルが正しく予測したインスタンスの割合を示します。
- Precision: モデルが真と予測したもののうち、実際に真であったものの割合を示します。
- Recall: 実際に真であるもののうち、モデルが真と予測したものの割合を示します。
Results
- f1: 0.9961977186311787
- accuracy: 0.9995689655172414
- precision: 0.9940978077571669
- recall: 0.9983065198983911
- Downloads last month
- 21
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social
visibility and check back later, or deploy to Inference Endpoints (dedicated)
instead.