Distilbert Base Uncased Finetuned Ner
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
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