Named Entity Recognition (NER) Model in Finnish (GloVe 840B 300)

Description

Finnish NER is a Named Entity Recognition (or NER) model, meaning it annotates text to find features like the names of people, places, and organizations. This NER model does not read words directly but instead reads word embeddings, which represent words as points such that more semantically similar words are closer together. The model is trained with GloVe 840B 300 word embeddings, so be sure to use the same embeddings in the pipeline.

Predicted Entities

Persons-PER, Locations-LOC, Organizations-ORG, Product-PRO, Date-DATE, Event-EVENT.

Live Demo Open in Colab Download

How to use

...
embeddings = WordEmbeddingsModel.pretrained("glove_840B_300", lang="xx") \
    .setInputCols(["document", "token"]) \
    .setOutputCol("embeddings")
ner_model = NerDLModel.pretrained("finnish_ner_840B_300", "fi") \
        .setInputCols(["document", "token", "embeddings"]) \
        .setOutputCol("ner")
...        
nlp_pipeline = Pipeline(stages=[document_assembler, sentence_detector, tokenizer, embeddings, ner_model, ner_converter])
pipeline_model = nlp_pipeline.fit(spark.createDataFrame([['']]).toDF('text'))

result = pipeline_model.transform(spark.createDataFrame(pd.DataFrame({'text': ["""William Henry Gates III (28. lokakuuta 1955) on amerikkalaisia ​​ulkoministeriöitä, ohjelmistoja, sijoittajia ja filantroppeja. Microsoft on toiminut Microsoft Corporationin välittäjänä. I løbet af sin karriere hos Microsoft havde Gates stillinger som formand, administrerende direktør (administratorerendeøøør), præsident og chefsoftwarearkitekt, samtidig med at han var den største individualelle aktionær indtil maj 2014. mikrotietokonevoluutioille i 1970'erne 1980 1980erne. Født and opvokset i Seattle, Washington, var Gates grundlægger af Microsoft sammen med barndomsvennen Paul Allen i 1975 i Albuquerque, New Mexico; Det fortsatte med at blive verdens største virksomhed inden for personlig tietokoneohjelmistot. Gates førte virksomheden som formand and administratorer direktør, indtil han trådte tilbage som administrerende direktør tammikuu 2000, miehet han forblev formand blev chefsoftwarearkitekt. Olen slutningen 1990'erne var Gates blevet kritiseret for syn forretningstaktik, der er blevet betragtet som konkurrencebegrænsende. Denne udtalelse er blevet opretholdt ved adskillige retsafgørelser. Kesäkuun 2006 Meddelte Gates, at han ville overgå til en deltidsrolle i Microsoft og fuldtidsarbejde i Bill & Melinda Gates Foundation, det private velgørende fundament, som han og hans kone, Melinda Gates, oprettede i 2000. Han overførte gradvist sine pligter Tilaaja Ray Ozzie ja Craig Mundie. Han trådte tilbage som formand for Microsoft helmikuussa 2014 ja tiltrådte en ny stilling som teknologiatietojen antaja at støtte den nyudnævnte adminerende direktør Satya Nadella."""]})))
...
val embeddings = WordEmbeddingsModel.pretrained("glove_840B_300", lang="xx")
    .setInputCols(Array("document", "token"))
    .setOutputCol("embeddings")
val ner_model = NerDLModel.pretrained("finnish_ner_840B_300", "fi")
        .setInputCols(Array("document", "token", "embeddings"))
        .setOutputCol("ner")
...
val pipeline = new Pipeline().setStages(Array(document_assembler, sentence_detector, tokenizer, embeddings, ner_model, ner_converter))

val result = pipeline.fit(Seq.empty["William Henry Gates III (28. lokakuuta 1955) on amerikkalaisia ​​ulkoministeriöitä, ohjelmistoja, sijoittajia ja filantroppeja. Microsoft on toiminut Microsoft Corporationin välittäjänä. I løbet af sin karriere hos Microsoft havde Gates stillinger som formand, administrerende direktør (administratorerendeøøør), præsident og chefsoftwarearkitekt, samtidig med at han var den største individualelle aktionær indtil maj 2014. mikrotietokonevoluutioille i 1970'erne 1980 1980erne. Født and opvokset i Seattle, Washington, var Gates grundlægger af Microsoft sammen med barndomsvennen Paul Allen i 1975 i Albuquerque, New Mexico; Det fortsatte med at blive verdens største virksomhed inden for personlig tietokoneohjelmistot. Gates førte virksomheden som formand and administratorer direktør, indtil han trådte tilbage som administrerende direktør tammikuu 2000, miehet han forblev formand blev chefsoftwarearkitekt. Olen slutningen 1990'erne var Gates blevet kritiseret for syn forretningstaktik, der er blevet betragtet som konkurrencebegrænsende. Denne udtalelse er blevet opretholdt ved adskillige retsafgørelser. Kesäkuun 2006 Meddelte Gates, at han ville overgå til en deltidsrolle i Microsoft og fuldtidsarbejde i Bill & Melinda Gates Foundation, det private velgørende fundament, som han og hans kone, Melinda Gates, oprettede i 2000. [9] Han overførte gradvist sine pligter Tilaaja Ray Ozzie ja Craig Mundie. Han trådte tilbage som formand for Microsoft helmikuussa 2014 ja tiltrådte en ny stilling som teknologiatietojen antaja at støtte den nyudnævnte adminerende direktør Satya Nadella."].toDS.toDF("text")).transform(data)
import nlu
text = ["""William Henry Gates III (28. lokakuuta 1955) on amerikkalaisia ​​ulkoministeriöitä, ohjelmistoja, sijoittajia ja filantroppeja. Microsoft on toiminut Microsoft Corporationin välittäjänä. I løbet af sin karriere hos Microsoft havde Gates stillinger som formand, administrerende direktør (administratorerendeøøør), præsident og chefsoftwarearkitekt, samtidig med at han var den største individualelle aktionær indtil maj 2014. mikrotietokonevoluutioille i 1970'erne 1980 1980erne. Født and opvokset i Seattle, Washington, var Gates grundlægger af Microsoft sammen med barndomsvennen Paul Allen i 1975 i Albuquerque, New Mexico; Det fortsatte med at blive verdens største virksomhed inden for personlig tietokoneohjelmistot. Gates førte virksomheden som formand and administratorer direktør, indtil han trådte tilbage som administrerende direktør tammikuu 2000, miehet han forblev formand blev chefsoftwarearkitekt. Olen slutningen 1990'erne var Gates blevet kritiseret for syn forretningstaktik, der er blevet betragtet som konkurrencebegrænsende. Denne udtalelse er blevet opretholdt ved adskillige retsafgørelser. Kesäkuun 2006 Meddelte Gates, at han ville overgå til en deltidsrolle i Microsoft og fuldtidsarbejde i Bill & Melinda Gates Foundation, det private velgørende fundament, som han og hans kone, Melinda Gates, oprettede i 2000. [9] Han overførte gradvist sine pligter Tilaaja Ray Ozzie ja Craig Mundie. Han trådte tilbage som formand for Microsoft helmikuussa 2014 ja tiltrådte en ny stilling som teknologiatietojen antaja at støtte den nyudnævnte adminerende direktør Satya Nadella."""]

ner_df = nlu.load('fi.ner.840B_300d').predict(text, output_level = "chunk")
ner_df[["entities", "entities_confidence"]]

Results

+-----------------------+---------+
|chunk                  |ner_label|
+-----------------------+---------+
|William Henry Gates III|PER      |
|lokakuuta 1955         |DATE     |
|​​ulkoministeriöitä    |ORG      |
|Microsoft              |ORG      |
|Microsoft Corporationin|ORG      |
|Microsoft              |ORG      |
|Gates                  |PER      |
|maj 2014               |DATE     |
|1970'erne 1980 1980erne|DATE     |
|Seattle                |LOC      |
|Washington             |LOC      |
|Gates                  |PER      |
|Microsoft              |ORG      |
|Paul Allen             |PER      |
|1975                   |DATE     |
|Albuquerque            |LOC      |
|New Mexico             |LOC      |
|Det                    |LOC      |
|Gates                  |PER      |
|tammikuu 2000          |DATE     |
+-----------------------+---------+

Model Information

Model Name: finnish_ner_840B_300
Type: ner
Compatibility: Spark NLP 2.6.0+
Edition: Official
License: Open Source
Input Labels: [sentence, token, embeddings]
Output Labels: [ner]
Language: fi
Case sensitive: false

Data Source

The detailed information can be found from https://www.aclweb.org/anthology/2020.lrec-1.567.pdf