bboninsss/CiceroNER.v1

Modello di Riconoscimento di Entità Denominate (NER) per Sentenze Italiane - Descrizione

Questo modello di Ner è stato creato per l'analisi di entità denominate in sentenze emesse dalle corti italiane. Riconosce entità come persone, luoghi, organizzazioni, importi, date, codici fiscali; riconosce i titoli avv e dott e identifica le citazioni di leggi, sentenze e procedimenti

Dettagli

Nello specifico riconosce:

• **PERSONA
• **ORGANIZZAZIONE
• **LUOGO
• **DATA
• **INDIRIZZO
• **IMPORTO
• **LEGGE
• **AVV
• **DOTT
• **CODFISC
• **NUMERO
• **IDSENT
• **IDPROC

How to Get Started with the Model

Puoi usare il modello utilizzando la pipeline for NER.

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("bboninsss/CiceroNER.v1")
model = AutoModelForTokenClassification.from_pretrained("bboninsss/CiceroNER.v1")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Mario Rossi è nato a Roma"
ner_results = nlp(example)
print(ner_results)

• Developed by: Marco Bonina