G

Gliner Poly Small V1.0

knowledgatorによって開発
GLiNERは柔軟な固有表現認識(NER)モデルで、あらゆるエンティティタイプを認識でき、従来のNERモデルや大規模言語モデルの実用的な代替手段を提供します。
ダウンロード数 18
リリース時間 : 8/19/2024

モデル概要

GLiNERは双方向Transformerエンコーダーを使用してあらゆるエンティティタイプを認識する固有表現認識(NER)モデルです。従来のNERモデルが事前定義されたエンティティに限定されるのに対し、GLiNERはより柔軟で、大規模言語モデル(LLM)よりも軽量かつコスト効率が優れています。

モデル特徴

あらゆるエンティティタイプを柔軟に認識
GLiNERは事前定義されたエンティティセットに限定されず、あらゆるエンティティタイプを認識できます。
デュアルエンコーダーアーキテクチャ
後融合デュアルエンコーダーアーキテクチャを採用し、テキストエンコーダーはDeBERTa v3 small、エンティティラベルエンコーダーはBGE-small-enで、ラベル間関係の理解能力を向上させています。
効率的な推論
エンティティ埋め込みが事前処理されている場合、推論速度がさらに向上します。無制限の数のエンティティを一度に認識できます。
優れた汎化能力
未見のエンティティに対する汎化能力が高く、多様なエンティティタイプの処理に適しています。

モデル能力

固有表現認識
多言語サポート
効率的な推論
柔軟なエンティティ認識

使用事例

情報抽出
人物とイベント抽出
テキストから人物、日付、賞、イベント、チームなどのエンティティを抽出します。
例に示されているように、モデルはクリスティアーノ・ロナウド、1985年2月5日、バロンドールなどのエンティティを正確に認識できます。
ソーシャルメディア分析
ツイートエンティティ認識
ソーシャルメディアのツイートからエンティティを抽出し、トレンド分析やコンテンツ分類に利用します。
ベンチマークテストでは、モデルはBroad Tweet Corpusデータセットで70.2%のスコアを達成しました。
バイオメディカルテキスト分析
医療エンティティ認識
生物医学文献から疾患、薬剤などのエンティティを抽出します。
bc5cdrデータセットで60.5%のスコアを達成しました。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase