G

Gliner Multi V2.1

由urchade開發
GLiNER 是一個通用的命名實體識別(NER)模型,能夠識別任何實體類型,為傳統 NER 模型提供了實用替代方案。
下載量 5,018
發布時間 : 4/9/2024

模型概述

GLiNER 通過雙向 Transformer 編碼器(類似 BERT)識別任何實體類型,解決了傳統 NER 模型僅限於預定義實體的問題,同時避免了大型語言模型(LLM)的高成本和體積龐大的缺點。

模型特點

通用實體識別
能夠識別任何實體類型,不限於預定義實體。
輕量級
相比大型語言模型(LLM),體積更小,適合資源受限場景。
多語言支持
支持多語言文本的實體識別。

模型能力

識別任何實體類型
多語言文本處理
輕量級推理

使用案例

信息提取
人物識別
從文本中識別人物名稱。
克里斯蒂亞諾·羅納爾多·多斯·桑托斯·阿維羅 => 人物
日期識別
從文本中識別日期信息。
1985年2月5日 => 日期
獎項識別
從文本中識別獎項名稱。
金球獎 => 獎項
體育分析
球隊識別
從體育新聞中識別球隊名稱。
阿爾納斯爾 => 球隊
賽事識別
從體育新聞中識別賽事名稱。
歐冠 => 賽事
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase