Uniner 7B All

🚀 UniNER-7B-all

核心功能描述：UniNER-7B-all 是一款優秀的通用命名實體識別（UniNER）模型。它基於三種數據組合進行訓練，能有效助力相關領域的研究與應用。

🚀 快速開始

本模型的推理實例模板如下：

注意：每次推理僅基於一種實體類型。對於多種實體類型，請為每種類型創建單獨的實例。

✨ 主要特性

• 本模型是最優的 UniNER 模型。
• 它在三種數據分割的組合上進行訓練：
  • ChatGPT 生成的 Pile-NER-type 數據。
  • ChatGPT 生成的 Pile-NER-definition 數據。
  • 通用命名實體識別基準中的 40 個有監督數據集（詳見論文中的圖 4），我們從每個數據集的訓練分割中隨機抽取最多 10000 個實例。
• 為進行分佈外（OOD）評估，訓練時排除了 CrossNER 和 MIT 數據集。

更多信息請查看我們的 論文，關於如何使用該模型請查看我們的 倉庫。

📄 許可證

本模型及其相關數據遵循 CC BY-NC 4.0 許可證發佈，主要用於研究目的。

📚 詳細文檔

引用

@article{zhou2023universalner,
      title={UniversalNER: Targeted Distillation from Large Language Models for Open Named Entity Recognition}, 
      author={Wenxuan Zhou and Sheng Zhang and Yu Gu and Muhao Chen and Hoifung Poon},
      year={2023},
      eprint={2308.03279},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}