G

Gliner Large V2

由urchade開發
GLiNER是一種基於雙向Transformer的命名實體識別模型,能夠識別任何實體類型,比傳統NER模型更靈活,比大語言模型更高效。
下載量 15.73k
發布時間 : 3/10/2024

模型概述

GLiNER是一種命名實體識別(NER)模型,通過雙向Transformer編碼器識別文本中的各類實體。它既可作為傳統NER模型的替代方案,又能解決大語言模型資源消耗過高的問題。

模型特點

靈活實體識別
能夠識別任何用戶定義的實體類型,不侷限於預定義實體集
高效推理
相比大語言模型,資源消耗更低,推理速度更快
商業友好許可
採用Apache-2.0許可證,適合商業應用

模型能力

文本實體識別
多類別實體提取
上下文相關實體分類

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各類命名實體
學術文獻分析
提取科研論文中的專業術語、方法名稱等實體
有助於構建知識圖譜和文獻分析
商業智能
合同分析
識別合同中的關鍵條款、日期和金額等實體
提高合同審查效率
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase