RANER介绍
模型描述
本方法采用Transformer-CRF模型，使用StructBERT作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Training方式进行训练。 模型结构如下图所示：
可参考论文：Improving Named Entity Recognition by External Context Retrieving and Cooperative Learning
期望模型使用方式以及适用范围
本模型主要用于给输入中文句子产出命名实体识别结果。用户可以自行尝试输入中文句子。具体调用方式请参考代码示例。
如何使用
在安装ModelScope完成之后即可使用named-entity-recognition(命名实体识别)的能力, 默认单句长度不超过512。
代码范例
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
ner_pipeline = pipeline(Tasks.named_entity_recognition, 'damo/nlp_raner_named-entity-recognition_chinese-base-finance')
result = ner_pipeline('刷单被骗1473元,花呗付款,可以追回吗')
print(result)
基于AdaSeq进行微调和推理（仅需一行命令）
AdaSeq是一个基于ModelScope的一站式NLP序列理解开源工具箱，支持高效训练自定义模型，旨在提高开发者和研究者们的开发和创新效率，助力模型快速定制和前沿论文工作落地。
- 安装AdaSeq
pip install adaseq
- 模型微调
准备训练配置，将下面的代码保存为train.yaml。
该配置中的数据集为示例数据集toy_msra，如需使用自定义数据或调整参数，可参考《AdaSeq模型训练最佳实践》，准备数据或修改配置文件。AdaSeq中也提供了大量的模型、论文、比赛复现示例，欢迎大家使用。
experiment:
exp_dir: experiments/
exp_name: toy_msra
seed: 42
task: named-entity-recognition
dataset:
name: damo/toy_msra
preprocessor:
type: sequence-labeling-preprocessor
max_length: 100
data_collator: SequenceLabelingDataCollatorWithPadding
model:
type: sequence-labeling-model
embedder:
model_name_or_path: damo/nlp_raner_named-entity-recognition_chinese-base-finance
dropout: 0.1
use_crf: true
train:
max_epochs: 5
dataloader:
batch_size_per_gpu: 8
optimizer:
type: AdamW
lr: 5.0e-5
param_groups:
- regex: crf
lr: 5.0e-1
options:
cumulative_iters: 4
evaluation:
dataloader:
batch_size_per_gpu: 16
metrics:
- type: ner-metric
运行命令开始训练。在GPU上训练需要至少6G显存，可以根据实际GPU情况调整batch_size等参数。
adaseq train -c train.yaml
- 模型推理
模型会保存在 ./experiments/toy_msra/${yymmddHHMMSS.ffffff}/output/
可以将上文推理示例代码中的model_id替换为本地路径（绝对路径）进行推理
保存的模型也可上传到ModelScope进行使用
模型局限性以及可能的偏差
本模型基于CCKS2021金融领域篇章级案件元素抽取数据集上训练，在垂类领域中文文本上的NER效果会有降低，请用户自行评测后决定如何使用。
训练数据介绍
- Finance 金融领域中文案件元素抽取公开数据集，包括受害人、受害者身份、嫌疑人、支付渠道、案发城市、案发时间、涉案平台、资损金额、银行卡号等，共3865个句子。由于官方没有放出测试集，因此该模型是在dev集上f1值最高的。
| 实体类型 |
|---|
| 受害人 |
| 受害人身份 |
| 嫌疑人 |
| 支付渠道 |
| 案发城市 |
| 案发时间 |
| 涉案平台 |
| 资损金额 |
| 银行卡号 |
数据评估及结果
模型在finance测试数据评估结果:
| Dataset | Precision | Recall | F1 |
|---|---|---|---|
| finance | 78.9 | 83.92 | 81.34 |
各个类型的性能如下:
| Dataset | Precision | Recall | F1 |
|---|---|---|---|
| 受害人 | 86.96 | 90.19 | 88.54 |
| 受害人身份 | 38.46 | 41.67 | 40.0 |
| 嫌疑人 | 84.48 | 89.27 | 86.81 |
| 支付渠道 | 81.13 | 92.39 | 86.39 |
| 案发城市 | 59.35 | 62.66 | 60.96 |
| 案发时间 | 68.28 | 79.84 | 73.61 |
| 涉案平台 | 69.33 | 61.54 | 65.2 |
| 资损金额 | 84.66 | 86.65 | 85.64 |
| 银行卡号 | 50.0 | 100.0 | 66.67 |
相关论文以及引用信息
如果你觉得这个该模型对有所帮助，请考虑引用下面的相关的论文：
@inproceedings{wang-etal-2021-improving,
title = "Improving Named Entity Recognition by External Context Retrieving and Cooperative Learning",
author = "Wang, Xinyu and
Jiang, Yong and
Bach, Nguyen and
Wang, Tao and
Huang, Zhongqiang and
Huang, Fei and
Tu, Kewei",
booktitle = "Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers)",
month = aug,
year = "2021",
address = "Online",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2021.acl-long.142",
pages = "1800--1812",
}
@inproceedings{wang-etal-2022-damo,
title = "{DAMO}-{NLP} at {S}em{E}val-2022 Task 11: A Knowledge-based System for Multilingual Named Entity Recognition",
author = "Wang, Xinyu and
Shen, Yongliang and
Cai, Jiong and
Wang, Tao and
Wang, Xiaobin and
Xie, Pengjun and
Huang, Fei and
Lu, Weiming and
Zhuang, Yueting and
Tu, Kewei and
Lu, Wei and
Jiang, Yong",
booktitle = "Proceedings of the 16th International Workshop on Semantic Evaluation (SemEval-2022)",
month = jul,
year = "2022",
address = "Seattle, United States",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2022.semeval-1.200",
pages = "1457--1468",
}
评论