G

Gliner Multi

由urchade開發
GLiNER是一個多語言命名實體識別(NER)模型,能夠通過雙向Transformer編碼器識別任何實體類型,為傳統NER模型提供了靈活替代方案。
下載量 1,459
發布時間 : 2/16/2024

模型概述

GLiNER是一個基於雙向Transformer編碼器(類似BERT)的命名實體識別模型,能夠識別用戶指定的任何實體類型。它既克服了傳統NER模型只能識別預定義實體類型的限制,又比大型語言模型(LLMs)更輕量高效。此版本基於Pile-NER數據集訓練,支持多語言。

模型特點

靈活實體識別
可以識別用戶指定的任何實體類型,不受預定義實體類型的限制
多語言支持
支持多種語言的命名實體識別任務
輕量高效
相比大型語言模型,資源消耗更少,運行效率更高
研究用途
此版本專為研究目的設計,商業用途需使用授權版本

模型能力

命名實體識別
多語言文本處理
自定義實體類型識別

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
可準確識別文本中的人物名稱及其屬性
醫療實體識別
從醫療文本中識別藥品名稱和劑型
能準確識別藥品名和劑型等醫療相關實體
體育數據分析
體育人物和賽事識別
從體育新聞中識別運動員、球隊和賽事信息
可準確識別運動員姓名、所屬球隊和參與的賽事
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase