AutoModelForTokenClassification prezice o etichetă pentru fiecare token individual dintr-o secvență (etichetare la nivel de token), utilizată masiv pentru Named Entity Recognition (NER: identificarea numelor de persoane, companii, locații) și analiză morfologică (POS tagging).
from transformers import pipeline
ner_pipeline = pipeline("ner", model="dslim/bert-base-NER", aggregation_strategy="simple")
rezultate = ner_pipeline("Dexter a semnat un contract comercial cu Google la București.")
for ent in rezultate:
print(f"Entitate: {ent['word']} | Tip: {ent['entity_group']} | Scor: {ent['score']:.2f}")Anonimizare date: Esențial în conductele de preprocesare pentru detectarea și eliminarea datelor cu caracter personal (PII) înainte de indexarea RAG.
Întrebări & Exemple practice:
AutoModelForTokenClassification: Recunoașterea Entităților Numite (NER)Ai o întrebare despre AutoModelForTokenClassification: Recunoașterea Entităților Numite (NER) sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.