Ner Distilbert Base Uncased Ontonotesv5 Englishv4
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
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