/ Модель

Характеристики

Лицензия
cc-by-sa-3.0
Библиотека
spacy
Опубликована
1 сен 2025

ner-spacy-indonesian

Разметка токеновТекст → label6 профессий

Это модель извлечения именованных сущностей (NER) для индонезийского языка, разработанная Asep Muhamad и предназначенная для использования в spaCy версии 3.8.x.

68скачиваний за 30 дней1лайквеса обновлены1 сен 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она классифицирует сущности в индонезийских текстах по 19 типам, включая людей, организации, геополитические объекты, даты, время, денежные значения, количества, продукты, события и произведения искусства. Модель подходит для анализа новостей, финансовых, образовательных и других формальных текстов, а также для пакетной обработки документов.

Модель построена на архитектуре spaCy TransitionBasedParser с HashEmbedCNN для преобразования токенов в векторы; используются 96-мерные эмбеддинги, глубина 4 слоя и скрытая размерность 64. Обучение проводилось на данных Universal Dependencies v2.8. По заявленным результатам, token-level F1 составляет 95,52%, precision — 95,31%, recall — 95,72%, а скорость обработки достигает 66 612 токенов в секунду. Sentence-level F1 составляет 85,83%, что указывает на менее стабильное распознавание полного набора сущностей в предложении.

Модель лучше всего подходит для формального индонезийского текста; на разговорной речи и в узкоспециализированных доменах качество может снижаться. Возможны ошибки в определении границ сложных составных сущностей. Модель распространяется по лицензии CC BY-SA 3.0 и требует spaCy версии не ниже 3.8.0 и ниже 3.9.0.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Indonesian Named Entity Recognition (NER) Model

Model Description

This is a custom Indonesian Named Entity Recognition (NER) model built with spaCy v3.8+. The model is designed to identify and classify 19 different types of named entities in Indonesian text, making it suitable for various NLP applications in the Indonesian language.

Model Details

  • Model Name: ner_spacy_indonesian
  • Version: 1.1.0
  • Language: Indonesian (id)
  • License: CC BY-SA 3.0
  • Author: Asep Muhamad
  • Email: asepmuhamad@gmail.com
  • Website: https://asmud.me
  • spaCy Version: >=3.8.0,<3.9.0

Architecture

  • Pipeline Components: NER (Named Entity Recognition), Sentence Segmentation (disabled by default)
  • Architecture: TransitionBasedParser with HashEmbedCNN token-to-vector model
  • Token-to-Vector: HashEmbedCNN with 96-dimensional embeddings, 4-layer depth
  • Hidden Width: 64 dimensions
  • Training: Trained on Universal Dependencies v2.8 datasets

Entity Labels

The model recognizes 19 different entity types:

LabelDescription
CRDCardinal numbers
DATDates
EVTEvents
FACFacilities
GPEGeopolitical entities (countries, cities, states)
LANLanguages
LAWLaws
LOCLocations
MONMoney/monetary values
NORNorms
ORDOrdinal numbers
ORGOrganizations
PERPersons
PRCProcesses
PRDProducts
QTYQuantities
REGRegions
TIMTime
WOAWorks of art

Performance

The model achieves strong performance on token-level evaluation:

  • Token Accuracy: 98.59%
  • Token Precision: 95.31%
  • Token Recall: 95.72%
  • Token F1-Score: 95.52%
  • Sentence Precision: 90.67%
  • Sentence Recall: 81.49%
  • Sentence F1-Score: 85.83%
  • Processing Speed: 66,612 tokens/second

Performance metrics are based on evaluation using Universal Dependencies v2.8 datasets with spaCy's standard evaluation framework.

Installation

You can install this model directly from the wheel file:

pip install https://huggingface.co/asmud/ner-spacy-indonesian/resolve/main/id_ner_spacy_indonesian-1.1.0-py3-none-any.whl

Or download and install locally:

pip install id_ner_spacy_indonesian-1.1.0-py3-none-any.whl

Usage

Basic Usage

import spacy

# Load the model
nlp = spacy.load("id_ner_spacy_indonesian")

# Process text
text = "Presiden Joko Widodo mengunjungi Jakarta pada tanggal 15 Agustus 2023."
doc = nlp(text)

# Extract entities
for ent in doc.ents:
    print(f"{ent.text:<20} {ent.label_:<10} {ent.start_char}-{ent.end_char}")

Advanced Usage

import spacy
from spacy import displacy

# Load model
nlp = spacy.load("id_ner_spacy_indonesian")

# Process text
text = """
Bank Central Asia (BCA) melaporkan laba bersih sebesar Rp 25,1 triliun 
pada tahun 2022. CEO BCA, Jahja Setiaatmadja, menyatakan bahwa kinerja 
perseroan tetap solid di tengah tantangan ekonomi global.
"""

doc = nlp(text)

# Print detailed entity information
for ent in doc.ents:
    print(f"Entity: {ent.text}")
    print(f"Label: {ent.label_}")
    print(f"Position: {ent.start_char}-{ent.end_char}")
    print(f"Confidence: {ent._.score if hasattr(ent._, 'score') else 'N/A'}")
    print("-" * 50)

# Visualize entities (in Jupyter notebook)
displacy.render(doc, style="ent", jupyter=True)

Batch Processing

import spacy

nlp = spacy.load("id_ner_spacy_indonesian")

# Process multiple texts
texts = [
    "PT Telkom Indonesia adalah perusahaan telekomunikasi terbesar di Indonesia.",
    "Universitas Indonesia terletak di Depok, Jawa Barat.",
    "Presiden Susilo Bambang Yudhoyono menjabat dari tahun 2004 hingga 2014."
]

# Batch processing for efficiency
docs = list(nlp.pipe(texts))

for i, doc in enumerate(docs):
    print(f"Text {i+1} entities:")
    for ent in doc.ents:
        print(f"  {ent.text} ({ent.label_})")
    print()

Model Training

This model was trained using:

  • Data Source: Universal Dependencies v2.8 (multiple language datasets including Indonesian)
  • Training Framework: spaCy v3.8+
  • Optimization: Adam optimizer with gradient clipping
  • Batch Size: Dynamic batching (100-1000 words)
  • Training Steps: 100,000 maximum steps
  • Dropout: 0.1
  • Evaluation Frequency: Every 1,000 steps

Limitations

  • The model is primarily trained on formal Indonesian text and may have reduced performance on informal or colloquial Indonesian
  • Performance may vary on domain-specific texts not well represented in the training data
  • Some entity boundaries might not be perfect, especially for complex compound entities

Citation

If you use this model in your research or applications, please cite:

@model{muhamad2024indonesian_ner,
  title={Indonesian Named Entity Recognition Model},
  author={Muhamad, Asep},
  year={2024},
  version={1.1.0},
  url={https://huggingface.co/asmud/ner-spacy-indonesian},
  license={CC BY-SA 3.0}
}

Contact

For questions, issues, or collaborations:

Acknowledgments

This model was trained using data from Universal Dependencies v2.8, contributed by Daniel Zeman, Joakim Nivre, Mitchell Abrams, and many other contributors. Special thanks to the spaCy team for providing an excellent framework for natural language processing.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · spacy

Нельзя запустить

Модели spaCy требуют отдельного рантайма.

Ревизия весов
aa52c4f

0 моделей