G

Gliner Multi

Developed by urchade
GLiNER是一个多语言命名实体识别(NER)模型,能够通过双向Transformer编码器识别任何实体类型,为传统NER模型提供了灵活替代方案。
Downloads 1,459
Release Time : 2/16/2024

Model Overview

GLiNER是一个基于双向Transformer编码器(类似BERT)的命名实体识别模型,能够识别用户指定的任何实体类型。它既克服了传统NER模型只能识别预定义实体类型的限制,又比大型语言模型(LLMs)更轻量高效。此版本基于Pile-NER数据集训练,支持多语言。

Model Features

灵活实体识别
可以识别用户指定的任何实体类型,不受预定义实体类型的限制
多语言支持
支持多种语言的命名实体识别任务
轻量高效
相比大型语言模型,资源消耗更少,运行效率更高
研究用途
此版本专为研究目的设计,商业用途需使用授权版本

Model Capabilities

命名实体识别
多语言文本处理
自定义实体类型识别

Use Cases

信息提取
人物信息提取
从文本中识别人物姓名及相关信息
可准确识别文本中的人物名称及其属性
医疗实体识别
从医疗文本中识别药品名称和剂型
能准确识别药品名和剂型等医疗相关实体
体育数据分析
体育人物和赛事识别
从体育新闻中识别运动员、球队和赛事信息
可准确识别运动员姓名、所属球队和参与的赛事
AIbase
Empowering the Future, Your AI Solution Knowledge Base
© 2025AIbase