G

Gliner Base

由urchade開發
GLiNER是一個通用的命名實體識別(NER)模型,能夠通過雙向Transformer編碼器識別任何類型的實體,為傳統NER模型提供了實用替代方案。
下載量 4,921
發布時間 : 2/16/2024

模型概述

GLiNER是一個基於雙向Transformer編碼器的命名實體識別模型,能夠識別文本中的各類實體,相比傳統NER模型更加靈活,且比大型語言模型更輕量高效。

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,不受預定義實體類型的限制
輕量高效
相比大型語言模型(LLMs),體積更小,資源消耗更低
多語言支持
提供多語言版本(gliner_multi),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
文本分析

使用案例

信息提取
人物信息提取
從文本中識別人物姓名及相關信息
示例中成功識別了足球運動員克里斯蒂亞諾·羅納爾多
事件信息提取
識別文本中的日期、賽事等事件相關信息
示例中正確識別了1985年2月5日等日期信息
知識管理
知識圖譜構建
從非結構化文本中提取結構化實體信息
可用於構建知識圖譜的實體節點
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase