D

Distilbert Base Uncased Finetuned Ner

由Hank開發
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
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase