Edit on GitHub
  • John Snow Labs
  • Mar 20, 2023

Arabic BertForTokenClassification Cased model (from boda)

  • ar
  • open_source
  • bert
  • token_classification
  • ner
  • tensorflow

Description

Pretrained BertForTokenClassification model, adapted from Hugging Face and curated to provide scalability and production-readiness using Spark NLP. ANER is a Arabic model originally trained by boda.

Predicted Entities

` أرض , كتاب , عتاد , محامي , حاد , رماية , إعلام , تعليمي , أرض طبيعية , عالم , قارة , ولاية أو مقاطعة , هواء , فنان , ترفيه , نبات , مركز سكني , مطار , علوم طبية , رياضي , منشأة منطقة فرعية , رياضة , طعام , مسطح مائي , مهندس , شخص , ماء , شعب(أمة) , فظ , مدينة أو ضاحية , رجل أعمال , أراضي البناء , مجموعة , , قذيفة , سياسي , فيلم , كيميائي , سماوي , سوفتوير(برمجيات) , تجاري , صوت , نووي , مؤسسة دينية , حكومة , شرطة , دواء , شخص ديني , غير حكومي , منفجر , طريق `

Download Copy S3 URI

How to use

documentAssembler = DocumentAssembler() \
    .setInputCol("text") \
    .setOutputCol("document")

tokenizer = Tokenizer() \
    .setInputCols("document") \
    .setOutputCol("token")

tokenClassifier = BertForTokenClassification.pretrained("bert_token_classifier_aner","ar") \
    .setInputCols(["document", "token"]) \
    .setOutputCol("ner")

pipeline = Pipeline(stages=[documentAssembler, tokenizer, tokenClassifier])

data = spark.createDataFrame([["PUT YOUR STRING HERE"]]).toDF("text")

result = pipeline.fit(data).transform(data)

val documentAssembler = new DocumentAssembler()
    .setInputCol("text")
    .setOutputCol("document")

val tokenizer = new Tokenizer()
    .setInputCols("document")
    .setOutputCol("token")

val tokenClassifier = BertForTokenClassification.pretrained("bert_token_classifier_aner","ar")
    .setInputCols(Array("document", "token"))
    .setOutputCol("ner")

val pipeline = new Pipeline().setStages(Array(documentAssembler, tokenizer, tokenClassifier))

val data = Seq("PUT YOUR STRING HERE").toDS.toDF("text")

val result = pipeline.fit(data).transform(data)

Model Information

Model Name: bert_token_classifier_aner
Compatibility: Spark NLP 4.3.1+
License: Open Source
Edition: Official
Input Labels: [document, token]
Output Labels: [ner]
Language: ar
Size: 505.9 MB
Case sensitive: true
Max sentence length: 128

References

  • https://huggingface.co/boda/ANER
  • https://drive.google.com/file/d/1jJn3iWqOeLzaNvO-6aKfgidzJlWOtvti/view?usp=sharing
  • https://fsalotaibi.kau.edu.sa/Pages-Arabic-NE-Corpora.aspx
  • https://github.com/aub-mind/arabert
  • https://fsalotaibi.kau.edu.sa/Pages-Arabic-NE-Corpora.aspx
  • https://github.com/BodaSadalla98