Lm Ner Linkedin Skills Recognition
基於DistilBERT的LinkedIn技能識別模型,用於從文本中識別專業技能
下載量 1,194
發布時間 : 7/7/2023
模型概述
該模型是基於distilbert-base-uncased在LinkedIn數據上微調的命名實體識別(NER)模型,專門用於識別文本中的專業技能關鍵詞。
模型特點
高精度技能識別
在評估集上達到0.9214的F1值,能準確識別文本中的專業技能關鍵詞
LinkedIn領域優化
基於LinkedIn數據微調,對職業場景中的技能表述有更好的理解
輕量級模型
基於DistilBERT架構,在保持高性能的同時減少計算資源需求
模型能力
文本中的技能關鍵詞識別
職業相關實體提取
簡歷內容分析
使用案例
人力資源技術
簡歷技能自動提取
從求職者簡歷中自動提取技能關鍵詞
準確率99.12%,可幫助HR快速篩選候選人
職位匹配系統
分析職位描述和候選人技能進行自動匹配
基於高召回率(93.12%)確保不遺漏相關技能
職業分析
技能趨勢分析
從LinkedIn資料中提取技能進行市場趨勢分析
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98