Mbert Multiconer22 Hi
該模型是專為SemEval Multiconer任務設計的命名實體識別(NER)模型,用於識別多語言和跨領域文本中的複雜實體類別。
下載量 23
發布時間 : 7/6/2022
模型概述
基於Transformer架構的命名實體識別模型,針對SemEval Multiconer競賽任務優化,能夠處理多語言環境下的細粒度實體識別。
模型特點
多語言支持
能夠處理多種語言的命名實體識別任務
細粒度實體分類
可以識別比傳統NER更細粒度的實體類別
跨領域適應性
設計用於處理不同領域的文本數據
模型能力
文本實體識別
多語言處理
細粒度分類
使用案例
信息提取
學術文獻分析
從研究論文中提取專業術語和命名實體
提高文獻檢索和知識發現的效率
商業情報
從商業文檔和報告中提取公司、產品和行業術語
支持市場分析和競爭情報工作
內容管理
新聞分類
識別新聞文章中的實體以支持自動分類
提高內容組織和檢索的準確性
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98