C

Cybonto Distilbert Base Uncased Finetuned Ner FewNerd

由theResearchNinja開發
該模型是基於distilbert-base-uncased在few_nerd數據集上微調的命名實體識別(NER)模型,在評估集上F1分數達到0.7621。
下載量 17
發布時間 : 4/15/2022

模型概述

一個針對命名實體識別任務優化的輕量級模型,適用於從文本中識別特定類型的命名實體。

模型特點

輕量高效
基於DistilBERT架構,在保持性能的同時顯著減小模型體積
高準確率
在Few-NERD數據集上達到0.9386的準確率
平衡性能
精確率(0.7422)和召回率(0.7830)表現均衡,F1分數達0.7621

模型能力

文本實體識別
命名實體分類
序列標註

使用案例

信息提取
新聞實體提取
從新聞文本中識別人物、地點、組織等實體
學術文獻分析
提取研究論文中的專業術語和命名實體
知識圖譜構建
知識庫填充
從非結構化文本中提取實體用於知識圖譜構建
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase