README.md

---
language:
- el
license: cc-by-nc-2.0
tags:
- flair
- token-classification
- sequence-tagger-model
base_model:
- nlpaueb/bert-base-greek-uncased-v1
---

# Greek Named Entity Model finetuned on the elNER Dataset

This Greek NER model was fine-tuned by researchers at the [Institute for Language and Speech Processing/Athena RC](https://www.ilsp.gr). The model was finetuned on the [elNER-18 dataset](https://dl.acm.org/doi/10.1145/3411408.3411437) using the  [nlpaueb/bert-base-greek-uncased-v1](https://huggingface.co/nlpaueb/bert-base-greek-uncased-v1) as backbone LM.

## Dataset

The [elNER-18 dataset](https://dl.acm.org/doi/10.1145/3411408.3411437) consists of 21K sentences, 623K tokens and 94K annotated named entities for 18 NE classes.

The following 18 named entities are annotated in the train partition:

|Class|#|
|:---|:---|
|ORG|10944|
|PERSON|8774|
|CARDINAL|7343|
|GPE|6781|
|DATE|6338|
|ORDINAL|1438|
|PERCENT|1437|
|LOC|1404|
|NORP|1396|
|MONEY|1012|
|TIME|1011|
|EVENT|962|
|PRODUCT|668|
|WORK_OF_ART|608|
|FAC|567|
|QUANTITY|565|
|LAW|235|
|LANGUAGE|55|

## Fine-Tuning

[Flair version 0.14](https://github.com/flairNLP/flair/releases/tag/v0.14.0) was used for fine-tuning.

<!-- A hyper-parameter search is to be performed. Right now we have results with the following parameters. -->
The model was trained with the following hyper-parameters:

* Batch Size: [`8`]
* Learning Rate: [`5e-05`]


## Results

- F-score (micro) 0.9173
- F-score (macro) 0.8778
- Accuracy 0.8651

|Class|precision|recall|f1-score|support|
|:---|:---|:---|:---|:---|
|ORG|0.8931|0.8847|0.8889|1388|
|PERSON|0.9516|0.9724|0.9619|1051|
|CARDINAL|0.9330|0.9627|0.9476|911|
|DATE|0.9403|0.9403|0.9403|838|
|GPE|0.9282|0.9552|0.9415|826|
|PERCENT|0.9807|0.9854|0.9831|206|
|LOC|0.8011|0.7921|0.7966|178|
|ORDINAL|0.9477|0.9477|0.9477|172|
|NORP|0.8690|0.8936|0.8811|141|
|TIME|0.8951|0.9343|0.9143|137|
|EVENT|0.6395|0.7231|0.6787|130|
|MONEY|0.9818|0.9730|0.9774|111|
|PRODUCT|0.7882|0.8072|0.7976|83|
|WORK_OF_ART|0.8313|0.8214|0.8263|84|
|FAC|0.6933|0.6753|0.6842|77|
|QUANTITY|0.8636|0.8769|0.8702|65|
|LAW|0.8214|0.8214|0.8214|28|
|LANGUAGE|1.0000|0.8889|0.9412|9|
| ||||
|micro avg|0.9112|0.9235|0.9173|6435|
|macro avg|0.8755|0.8809|0.8778|6435|
|weighted avg|0.9116|0.9235|0.9174|6435|

## Files

The Flair [training log](training.log) has also been uploaded to the model hub.


## Example usage

```python
#! pip install flair
#! pip install segtok
from flair.models import SequenceTagger
from flair.data import Sentence
tagger = SequenceTagger.load("pprokopidis/elNER18-bert-base-greek-uncased-v1-bs8-e150-lr5e-06")
text = """Η Ρωσία απέκλεισε τη δυνατότητα διεξαγωγής συνομιλιών για τα πυρηνικά όπλα με τις Ηνωμένες Πολιτείες, επικαλούμενη τη στάση της Ουάσινγκτον στο θέμα της επέκτασης του ΝΑΤΟ, δήλωσε σήμερα η εκπρόσωπος του ρωσικού υπουργείου Εξωτερικών Μαρία Ζαχάροβα.
«Δεν βλέπουμε κανένα νόημα στον διάλογο με την Ουάσινγκτον χωρίς τον σεβασμό των θεμελιωδών συμφερόντων της Ρωσίας. Πρώτα απ’ όλα, πρόκειται για το πρόβλημα της επέκτασης του ΝΑΤΟ στον μετασοβιετικό χώρο, το οποίο δημιουργεί απειλές για την κοινή ασφάλεια», δήλωσε η Ζαχάροβα.
Ο Τζιμ Τζάρμους (αγγλικά: Jim Jarmusch, 22 Ιανουαρίου 1953) είναι Αμερικανός σκηνοθέτης, γνωστός κυρίως για τις ταινίες Πέρα από τον Παράδεισο (1984), Στην παγίδα του νόμου (1986), Καφές και τσιγάρα (1993), Ο Νεκρός (1995) και Τσακισμένα λουλούδια (2005). Θεωρείται εκπρόσωπος του ανεξάρτητου αμερικανικού κινηματογράφου και μέσα από τις ταινίες του εκφράζονται και ορισμένες από τις αριστερές πολιτικές του πεποιθήσεις.
"""
# use a library to split into sentences
from segtok.segmenter import split_single
sentences = [Sentence(sent, use_tokenizer=True) for sent in split_single(text) if sent.strip()]
tagger.predict(sentences)
for sentence in sentences:
    print(sentence)
    for span in sentence.get_spans():
        print(span)

```