N

Ner English Large

flairによって開発
Flairフレームワークに組み込まれた英語の4種類の大型NERモデルで、文書レベルのXLM - R埋め込みとFLERT技術に基づいており、CoNLL - 03データセットでF1スコアが94.36に達します。
ダウンロード数 749.04k
リリース時間 : 3/2/2022

モデル概要

このモデルは英語テキストの命名エンティティ認識に使用され、人物、場所、組織、その他の名前の4種類のエンティティを識別できます。

モデル特徴

文書レベルのコンテキスト理解
FLERT技術を採用し、文書レベルのコンテキスト情報を利用してより正確なエンティティ認識を行うことができます。
高いパフォーマンス
CoNLL - 03データセットで94.36のF1スコアを達成し、優れた性能を発揮します。
多クラス識別
人物(PER)、場所(LOC)、組織(ORG)、その他の名前(MISC)の4種類のエンティティを同時に識別できます。

モデル能力

英語テキストの命名エンティティ認識
4種類のエンティティ分類
文書レベルのコンテキスト処理

使用事例

情報抽出
ニューステキストのエンティティ認識
ニュース記事から人名、地名、組織名を抽出します。
テキスト内の各種エンティティを正確に識別します。
歴史文献分析
歴史文献内の人物と場所の情報を分析します。
研究者が重要なエンティティを迅速に特定するのに役立ちます。
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