G

Gliner Medium V2.1

由urchade開發
GLiNER 是一個通用的命名實體識別(NER)模型,能夠識別任何類型的實體,為傳統NER模型和大型語言模型提供了一種實用的替代方案。
下載量 42.95k
發布時間 : 3/17/2024

模型概述

GLiNER 使用雙向Transformer編碼器(類似BERT)進行命名實體識別,能夠靈活識別用戶定義的實體類型,而不侷限於預定義的實體集合。

模型特點

靈活實體識別
可以識別任何用戶定義的實體類型,而不侷限於預定義的實體集合
高效輕量
相比大型語言模型,GLiNER體積更小,資源消耗更低
多語言支持
提供多語言版本(gliner_multi-v2.1),支持多種語言的實體識別

模型能力

命名實體識別
自定義實體類型識別
多語言實體識別

使用案例

信息提取
新聞人物識別
從新聞文本中識別人物、組織、地點等實體
可準確識別文本中的人物名稱和相關實體
學術文獻分析
從學術論文中提取專業術語、作者、機構等信息
能有效識別專業領域中的特定實體
商業智能
合同分析
從商業合同中提取關鍵條款、日期、金額等實體
可自動化合同審查流程
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase