このモデルはdeberta-v2-large-japaneseをファインチューニングして固有表現抽出（NER）に用いれるようにしたものです。

このモデルはdeberta-v2-large-japaneseを Wikipediaを用いた日本語の固有表現抽出データセット(ストックマーク社、https://github.com/stockmarkteam/ner-wikipedia-dataset )を用いてファインチューニングしたものです。

This model is fine-tuned model for Named Entity Recognition (NER) which is based on deberta-v2-large-japanese

This model is fine-tuned by using Wikipedia dataset.

You could use this model for NER tasks.

How to use 使い方

transformersおよびpytorch、sentencepiece、Juman++をインストールしてください。 以下のコードを実行することで、固有表現抽出タスクを解かせることができます。 please execute this code.

from transformers import AutoTokenizer,pipeline, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained('Mizuiro-sakura/deberta-v2-large-japanese-finetuned-ner')
model=AutoModelForTokenClassification.from_pretrained('Mizuiro-sakura/deberta-v2-large-japanese-finetuned-ner') # 学習済みモデルの読み込み

text=('昨日は東京で買い物をした')

ner=pipeline('ner', model=model, tokenizer=tokenizer)

result=ner(text)
print(result)

モデルの精度 accuracy of model

全体：0.7974729241877256 　　　　precision recall f1-score support

 その他の組織名      0.72      　0.72     0.72       238
   イベント名       0.73      0.85      0.79       215
      人名       　0.83     　 0.89      0.86       547
      地名       　0.79      　0.80      0.80       446
  政治的組織名      0.78     　 0.83      0.80       263
     施設名       　0.74    　  0.84      0.79       241
     法人名       　0.84      　0.80      0.82       487
     製品名       　0.65     　 0.78      0.71       252

　　 micro avg 0.77 0.82 0.80 2689 　　macro avg 0.76 0.82 0.79 2689 　　　weighted avg 0.78 0.82 0.80 2689

deberta-v2-base-japaneseとは？

日本語Wikipedeia（3.2GB）および、cc100(85GB)、oscar(54GB)を用いて訓練されたモデルです。 京都大学黒橋研究室が公表されました。

Model description

This is a Japanese DeBERTa V2 base model pre-trained on Japanese Wikipedia, the Japanese portion of CC-100, and the Japanese portion of OSCAR.

Acknowledgments 謝辞

モデルを公開してくださった京都大学黒橋研究室には感謝いたします。

I would like to thank Kurohashi Lab at Kyoto University.