Bert Large Uncased Whole Word Masking Squad2 With Ner Mit Restaurant With Neg With Repeat
模型概述
該模型是一個經過微調的BERT模型,主要用於標記分類任務,在問答和餐廳領域實體識別方面有應用。
模型特點
多數據集微調
在squad_v2和mit_restaurant兩個不同領域的數據集上進行微調
全詞掩碼
採用whole-word masking技術,提升模型理解能力
標記分類能力
專門針對token分類任務進行優化
模型能力
問答系統
實體識別
文本標記分類
使用案例
問答系統
基於SQuAD v2的問答
可用於構建問答系統,回答基於給定文本的問題
餐飲領域NLP
餐廳評論實體識別
可從餐廳評論中識別特定實體如菜品、服務等
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