N

Ner English Large

由flair開發
Flair框架內置的英文4類大型NER模型,基於文檔級XLM-R嵌入和FLERT技術,在CoNLL-03數據集上F1分數達94.36。
下載量 749.04k
發布時間 : 3/2/2022

模型概述

該模型用於英文文本的命名實體識別,可識別人物、地點、組織機構和其他名稱四類實體。

模型特點

文檔級上下文理解
採用FLERT技術,能夠利用文檔級上下文信息進行更準確的實體識別
高性能表現
在CoNLL-03數據集上達到94.36的F1分數,表現優異
多類別識別
可同時識別人物(PER)、地點(LOC)、組織機構(ORG)和其他名稱(MISC)四類實體

模型能力

英文文本命名實體識別
四類實體分類
文檔級上下文處理

使用案例

信息提取
新聞文本實體識別
從新聞文章中提取人名、地名和組織機構名
準確識別文本中的各類實體
歷史文獻分析
分析歷史文獻中的人物和地點信息
幫助研究者快速定位關鍵實體
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase