N

Ner English Ontonotes Large

由flair開發
Flair自帶的英語18類命名實體識別大模型,基於Ontonotes數據集訓練,採用XLM-R嵌入和FLERT技術。
下載量 176.21k
發布時間 : 3/2/2022

模型概述

該模型用於英語文本中的命名實體識別,能夠識別18種不同類型的命名實體,如人物、地點、日期等。

模型特點

多類別識別
能夠識別18種不同類型的命名實體,包括人物、地點、日期、貨幣金額等。
高性能
在Ontonotes數據集上的F1分數達到90.93,表現優異。
文檔級上下文
採用FLERT技術,利用文檔級上下文信息提升識別準確率。

模型能力

命名實體識別
多類別實體標註
英語文本處理

使用案例

文本分析
新聞文本實體識別
識別新聞文本中的人物、地點、日期等實體。
準確標註各類實體,便於後續分析和處理。
金融文本分析
識別金融文本中的貨幣金額、百分比等實體。
幫助自動化處理金融數據。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase