N

Ner Distilbert Base Uncased Ontonotesv5 Englishv4

由djagatiya開發
基於distilbert-base-uncased架構的命名實體識別模型,在conll2012_ontonotesv5-english-v4數據集上微調
下載量 18
發布時間 : 7/3/2022

模型概述

該模型用於識別文本中的命名實體,支持18種實體類型的識別,包括人物、地點、組織等

模型特點

高精度實體識別
在18種實體類型上達到85.53的F1分數
輕量級模型
基於DistilBERT架構,在保持性能的同時減少模型大小
廣泛實體覆蓋
支持識別18種不同類型的命名實體

模型能力

文本實體識別
多類別實體分類
自然語言處理

使用案例

信息提取
新聞文本分析
從新聞文章中提取人物、組織、地點等關鍵信息
可準確識別新聞中的關鍵實體
文檔處理
自動識別法律文檔或合同中的相關實體
幫助快速定位文檔關鍵信息
知識圖譜構建
知識圖譜實體抽取
從非結構化文本中提取實體用於知識圖譜構建
為知識圖譜提供結構化數據源
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase