G

Gliner Small V1

由urchade開發
GLiNER是一個通用的命名實體識別模型,能夠識別任何實體類型,為傳統NER模型和大型語言模型提供了輕量化替代方案。
下載量 629
發布時間 : 3/9/2024

模型概述

GLiNER使用雙向Transformer編碼器(類似BERT)進行命名實體識別,支持動態定義實體類型,適用於資源受限場景。

模型特點

動態實體識別
可以識別任何用戶定義的實體類型,不受限於預定義實體集
輕量化設計
相比大型語言模型,體積更小,資源消耗更低
靈活應用
支持多種實體類型的即時識別,無需重新訓練模型

模型能力

文本實體識別
多類別實體標註
自定義實體類型識別

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各類命名實體
體育賽事分析
提取體育新聞中的球隊、球員、賽事等信息
示例中成功識別了足球運動員、球隊和獎項
知識圖譜構建
實體關係抽取
作為知識圖譜構建的前期處理步驟
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase