---
title: nlp_maoe_named-entity-recognition_chinese-base-general
canonical_url: "https://www.modelscope.cn/models/damo/nlp_maoe_named-entity-recognition_chinese-base-general"
md_url: "https://www.modelscope.cn/models/damo/nlp_maoe_named-entity-recognition_chinese-base-general.md"
repository: damo/nlp_maoe_named-entity-recognition_chinese-base-general
chinese_name: "MAOE命名实体识别-中文-通用领域-base"
last_updated: 2023-04-09
license: "Apache License 2.0"
pipeline_tag: named-entity-recognition
tasks:
  - named-entity-recognition
  - word-segmentation
  - part-of-speech
model_type:
  - structbert
library_name:
  - pytorch
frameworks:
  - PyTorch
language:
  - cn
domain:
  - nlp
downloads: 3604
stars: 20
tags:
  - Alibaba
  - NER
  - Encoder
  - "信息抽取"
  - "Fine-grained NER"
---

# nlp_maoe_named-entity-recognition_chinese-base-general

> nlp_maoe_named-entity-recognition_chinese-base-general - damo 在 ModelScope 开源的模型。MAOE（More thAn One Encoder）是一个集预训练模型和任务模型为一体的模型。

damo/nlp_maoe_named-entity-recognition_chinese-base-general 是 ModelScope 魔搭社区上的named-entity-recognition、word-segmentation、part-of-speech模型，采用 Apache License 2.0 许可。

- **Repository**: damo/nlp_maoe_named-entity-recognition_chinese-base-general
- **License**: Apache License 2.0
- **Tasks**: named-entity-recognition, word-segmentation, part-of-speech
- **Tags**: Alibaba, NER, Encoder, 信息抽取, Fine-grained NER
- **Downloads**: 3604
- **Stars**: 20
- **Last updated**: 2023-04-09

Source: https://www.modelscope.cn/models/damo/nlp_maoe_named-entity-recognition_chinese-base-general

---

# MAOE介绍

## What's New
- 2023年1月：MAOE（More thAn One Encoder）首次发布，支持 1）细粒度实体识别（体验）；2）作为encoder继续fine-tuning（同BERT）。[开发工具介绍](https://github.com/modelscope/adaseq); 3) 结合[Adaseq](https://github.com/modelscope/adaseq)进行[少样本实体识别模型学习](https://www.modelscope.cn/studios/damo/maoe_fsl_ner/summary)。

## 模型描述
**该模型还在持续迭代中，相关论文还处于匿名期，因此此处只做简单介绍, 敬请期待完整内容。**

MAOE（More thAn One Encoder）是一个集预训练模型和任务模型为一体的模型。可以用于以下场景：
1. 作为预训练模型（encoder）,结合下游任务head继续fine-tuning, 下游任务可以是序列理解相关任务，如命名实体识别、实体分类等。
2. 作为细粒度实体识别模型。MAOE内置细粒度实体识别能力，实现超1000种实体的识别。
3. 作为零样本实体识别模型。MAOE内置零样本实体识别能力，只需给定实体类别即可抽取需要的实体。


### 期望模型使用方式以及适用范围
本模型主要用于给输入中文句子产出命名实体识别结果。用户可以自行尝试输入中文句子。具体调用方式请参考代码示例。

### 模型局限性以及可能的偏差
本模型支持实体类别较多，部分类别由于训练数据原因可能效果较低，请用户自行评测后决定如何使用。

## 如何使用
在安装ModelScope完成之后, 可结合官方工具[AdaSeq](https://github.com/modelscope/adaseq)体验相关能力, 默认单句长度不超过256。

* 作为Encoder使用
参考Adaseq模型训练示例，只需将配置文件中，embedder参数改成MAOE即可, 可以参考：examples/bert_crf/configs/maoe_example.yaml：
```
model:
  type: sequence-labeling-model
  embedder:
    model_name_or_path: damo/nlp_maoe_named-entity-recognition_chinese-base-general 
```

* 少样本实体识别模型训练

参考Adaseq模型训练示例, examples/twostage_ner/configs/msra.yaml:

1. 指定训练数据
```
dataset:
  data_file:
    train: https://www.modelscope.cn/api/v1/datasets/damo/msra_ner/repo/files?Revision=master&FilePath=train.txt
    test: https://www.modelscope.cn/api/v1/datasets/damo/msra_ner/repo/files?Revision=master&FilePath=test.txt
```

2. 修改encoder
```
model:
  type: sequence-labeling-model
  embedder:
    model_name_or_path: damo/nlp_maoe_named-entity-recognition_chinese-base-general 
```

也可以在创空间快速尝试。https://www.modelscope.cn/studios/damo/maoe_fsl_ner/summary

* 细粒度实体识别
```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

from adaseq import pipelines

pipeline_ins = pipeline(
    Tasks.named_entity_recognition, 'damo/nlp_maoe_named-entity-recognition_general'
)
print(pipeline_ins('姚明是中国篮协主席。'))
# {'output': [{'span': '姚明', 'type': '人物/人物', 'start': 0, 'end': 2}, {'span': '中国篮协主席', 'type': '人物/指代/职位', 'start': 3, 'end': 9}]}
```

### 实体标签介绍
本模型目前支持300+（目标1000+）种实体类型识别，具体标签集可以参考configuration.json文件。


## 相关论文以及引用信息
待更新。