Taiwanese-mBERT

Taigi-mBERT-NER：台語身體部位詞標註模型（Character-level NER）

本模型以 mBERT（bert-base-multilingual-cased）為基礎，進行全參數微調，應用於台語健康照護文本的身體部位詞辨識任務。此任務採用字元級序列標註（character-based sequence labeling）架構。

📚 訓練資訊

• 預訓練模型：bert-base-multilingual-cased
• 微調語料：台語健康照護文本，共 21,110 句（每句一行）
• 資料切分：90% 訓練集、10% 驗證集
• 任務類型：命名實體辨識（NER / Token Classification）
• 分詞單位：字元（character-based）
• 標註標籤：O, B-BODY, I-BODY（BIO 編碼）
• 訓練 epoch：10
• 批次大小（batch size）：16
• 學習率（learning rate）：5e-4

🧪 使用方式（Inference）

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("Entro-changyu/Taiwanese-mBERT")
model = AutoModelForTokenClassification.from_pretrained("Entro-changyu/Taiwanese-mBERT")

inputs = tokenizer("頭殼痛欲食藥", return_tensors="pt", is_split_into_words=False)
outputs = model(**inputs)

🏷 標籤定義

🌍 語言與應用

• 語言：台語（使用漢字書寫）、部分華語詞彙共現
• 適用場景：健康照護、醫療文本、台語 NLP 研究、字詞辨識

📌 授權與用途

本模型僅供學術研究與教學用途。其訓練語料來源非臨床記錄，模型亦未經臨床驗證，請勿用於真實醫療決策或診斷情境。

---

若您在使用上有任何建議、錯誤回報或貢獻意願，歡迎透過 Hugging Face 與我聯絡！