D

Distilbert Base Uncased Finetuned Ner

由mcdzwil開發
基於DistilBERT的輕量級命名實體識別模型,在特定數據集上微調,適用於英文文本的實體識別任務。
下載量 15
發布時間 : 3/2/2022

模型概述

該模型是基於DistilBERT的輕量級版本,經過微調用於命名實體識別(NER)任務。它在保持較高性能的同時減少了模型大小和計算資源需求。

模型特點

輕量高效
基於DistilBERT架構,比標準BERT模型小40%,速度快60%,同時保留了97%的性能
高精度識別
在評估集上達到91.71%的精確率和80.03%的F1值,表現優異
易於部署
模型體積小,適合在生產環境中部署,對硬件要求較低

模型能力

文本實體識別
英文命名實體提取
序列標註

使用案例

信息提取
新聞實體提取
從新聞文本中識別並提取人名、地名、組織名等實體
準確率93.16%
醫療文本處理
識別醫療報告中的疾病、藥物和症狀等專業術語
商業智能
客戶反饋分析
從客戶評論中提取產品名稱和關鍵特徵
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase