Description
This model uses Hebrew word embeddings to find 10 different types of entities in Hebrew text. It is trained using hebrewner_cc_300d word embeddings, please use the same embeddings in the pipeline.
Predicted Entities
Persons-PERS, Dates-DATE, Organizations-ORG, Locations-LOC, Percentage-PERCENT, Money-MONEY, Time-TIME, Miscellaneous (Affiliation)-MISC_AFF, Miscellaneous (Event)-MISC_EVENT, Miscellaneous (Entity)-MISC_ENT.
How to use
Use as part of an nlp pipeline with the following stages: DocumentAssembler, SentenceDetector, Tokenizer, WordEmbeddingsModel, NerDLModel. Add the NerConverter to the end of the pipeline to convert entity tokens into full entity chunks.
...
ner = NerDLModel.pretrained("hebrewner_cc_300d", "he") \
.setInputCols(["sentence", "token", "word_embeddings"]) \
.setOutputCol("ner")
ner_converter = NerConverter().setInputCols(["sentence", "token", "ner"]).setOutputCol("ner_chunk")
nlp_pipeline = Pipeline(stages=[document_assembler, sentence_detector, tokenizer, word_embeddings, ner, ner_converter])
light_pipeline = LightPipeline(nlp_pipeline.fit(spark.createDataFrame([['']]).toDF("text")))
annotations = light_pipeline.fullAnnotate("ב- 25 לאוגוסט עצר השב"כ את מוחמד אבו-ג'וייד , אזרח ירדני , שגויס לארגון הפת"ח והופעל על ידי חיזבאללה. אבו-ג'וייד התכוון להקים חוליות טרור בגדה ובקרב ערביי ישראל , לבצע פיגוע ברכבת ישראל בנהריה , לפגוע במטרות ישראליות בירדן ולחטוף חיילים כדי לשחרר אסירים ביטחוניים.")
...
val ner_model = NerDLModel.pretrained("hebrewner_cc_300d", "he")
.setInputCols(Array("sentence", "token", "word_embeddings"))
.setOutputCol("ner")
val ner_converter = NerConverter().setInputCols(Array("sentence", "token", "ner")).setOutputCol("ner_chunk")
val pipeline = new Pipeline().setStages(Array(document_assembler, sentence_detector, tokenizer, embeddings, ner_model, ner_converter))
val result = pipeline.fit(Seq.empty["ב- 25 לאוגוסט עצר השב"כ את מוחמד אבו-ג'וייד , אזרח ירדני , שגויס לארגון הפת"ח והופעל על ידי חיזבאללה. אבו-ג'וייד התכוון להקים חוליות טרור בגדה ובקרב ערביי ישראל , לבצע פיגוע ברכבת ישראל בנהריה , לפגוע במטרות ישראליות בירדן ולחטוף חיילים כדי לשחרר אסירים ביטחוניים."].toDS.toDF("text")).transform(data)
Results
| | ner_chunk | entity_label |
|---:|------------------:|---------------:|
| 0 | 25 לאוגוסט | DATE |
| 1 | השב"כ | ORG |
| 2 | מוחמד אבו-ג'וייד | PERS |
| 3 | ירדני | MISC_AFF |
| 4 | הפת"ח | ORG |
| 5 | חיזבאללה | ORG |
| 6 | אבו-ג'וייד | PERS |
| 7 | בגדה | LOC |
| 8 | ערביי | MISC_AFF |
| 9 | ישראל | LOC |
| 10 | ברכבת ישראל | ORG |
| 11 | בנהריה | LOC |
| 12 | ישראליות | MISC_AFF |
| 13 | בירדן | LOC |
Model Information
| Model Name: | hebrewner_cc_300d |
| Type: | ner |
| Compatibility: | Spark NLP 2.7.0+ |
| License: | Open Source |
| Edition: | Official |
| Input Labels: | [document, token, word_embeddings] |
| Output Labels: | [ner] |
| Language: | he |
| Dependencies: | hebrew_cc_300d |
Data Source
This model is trained on dataset obtained from https://www.cs.bgu.ac.il/~elhadad/nlpproj/naama/
Benchmarking
| | label | tp | fp | fn | prec | rec | f1 |
|---:|:--------------|------:|-----:|-----:|---------:|---------:|---------:|
| 0 | I-TIME | 5 | 2 | 0 | 0.714286 | 1 | 0.833333 |
| 1 | I-MISC_AFF | 2 | 0 | 3 | 1 | 0.4 | 0.571429 |
| 2 | B-MISC_EVENT | 7 | 0 | 1 | 1 | 0.875 | 0.933333 |
| 3 | B-LOC | 180 | 24 | 37 | 0.882353 | 0.829493 | 0.855107 |
| 4 | I-ORG | 124 | 47 | 38 | 0.725146 | 0.765432 | 0.744745 |
| 5 | B-DATE | 50 | 4 | 7 | 0.925926 | 0.877193 | 0.900901 |
| 6 | I-PERS | 157 | 10 | 15 | 0.94012 | 0.912791 | 0.926254 |
| 7 | I-DATE | 39 | 7 | 8 | 0.847826 | 0.829787 | 0.83871 |
| 8 | B-MISC_AFF | 132 | 11 | 9 | 0.923077 | 0.93617 | 0.929577 |
| 9 | I-MISC_EVENT | 6 | 0 | 2 | 1 | 0.75 | 0.857143 |
| 10 | B-TIME | 4 | 0 | 1 | 1 | 0.8 | 0.888889 |
| 11 | I-PERCENT | 8 | 0 | 0 | 1 | 1 | 1 |
| 12 | I-MISC_ENT | 11 | 3 | 10 | 0.785714 | 0.52381 | 0.628571 |
| 13 | B-MISC_ENT | 8 | 1 | 5 | 0.888889 | 0.615385 | 0.727273 |
| 14 | I-LOC | 79 | 18 | 23 | 0.814433 | 0.77451 | 0.79397 |
| 15 | B-PERS | 231 | 22 | 26 | 0.913044 | 0.898833 | 0.905882 |
| 16 | B-MONEY | 36 | 2 | 2 | 0.947368 | 0.947368 | 0.947368 |
| 17 | B-PERCENT | 28 | 3 | 0 | 0.903226 | 1 | 0.949152 |
| 18 | B-ORG | 166 | 41 | 37 | 0.801932 | 0.817734 | 0.809756 |
| 19 | I-MONEY | 61 | 1 | 1 | 0.983871 | 0.983871 | 0.983871 |
| 20 | Macro-average | 1334 | 196 | 225 | 0.899861 | 0.826869 | 0.861822 |
| 21 | Micro-average | 1334 | 196 | 225 | 0.871895 | 0.855677 | 0.86371 |