Distilbert Base Uncased Finetuned Ner
基於DistilBERT的輕量級命名實體識別模型,在conll2003數據集上微調
下載量 15
發布時間 : 3/2/2022
模型概述
該模型是DistilBERT的輕量級版本,專門針對命名實體識別(NER)任務進行了微調。它在保持較高性能的同時,比原始BERT模型更小更快。
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97%的性能
高精度NER
在conll2003數據集上達到93.14%的F1值,準確率達98.39%
快速微調
只需3輪訓練即可達到高性能,訓練損失從0.243降至0.0612
模型能力
命名實體識別
文本標記分類
實體邊界檢測
實體類型分類
使用案例
信息提取
新聞文章實體提取
從新聞文本中識別人名、地名、組織名等實體
可準確識別93%以上的實體
文檔自動化處理
自動提取合同或法律文件中的關鍵實體信息
知識圖譜構建
知識圖譜實體鏈接
為知識圖譜構建提供實體識別基礎
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