AIbase
TW
模型選型
標籤
四類實體識別

# 四類實體識別

Bert Base NER Onnx
MIT
這是dslim/bert-base-NER模型的ONNX格式版本，用於命名實體識別任務，能夠識別四種實體類型：地點、組織、人物和雜項。
序列標註 Transformers 支持多種語言
B
protectai
19.94k
4
Historical Newspaper Ner
基於Roberta-large微調的命名實體識別模型，專用於可能包含OCR錯誤的歷史報紙文本。
序列標註 Transformers 英語
H
dell-research-harvard
209
8
Ner German
Flair自帶的德語標準4類NER模型，基於Flair嵌入和LSTM-CRF架構，在CoNLL-03德語修訂版上F1分數為87.94。
序列標註 德語
N
flair
15.53k
14
Ner English
Flair自帶的英語標準4類命名實體識別模型，基於Flair嵌入和LSTM-CRF架構，在CoNLL-03數據集上達到93.06的F1分數。
序列標註 英語
N
flair
127.67k
34
Ner Multi Fast
一個快速的4類命名實體識別模型，支持英語、德語、荷蘭語和西班牙語，基於Flair框架和LSTM-CRF架構。
序列標註 支持多種語言
N
flair
70
6
Ner Spanish Large
Flair框架自帶的大規模西班牙語4類NER模型，基於XLM-R嵌入和FLERT技術構建
序列標註 西班牙語
N
flair
2,847
10
Bert Base NER
MIT
基於BERT微調的命名實體識別模型，可識別四類實體：地點(LOC)、組織機構(ORG)、人名(PER)和雜項(MISC)
序列標註 英語
B
dslim
1.8M
592
Ner English Fast
Flair自帶的英文快速4類命名實體識別模型，基於Flair嵌入和LSTM-CRF架構，在CoNLL-03數據集上達到92.92的F1分數。
序列標註 英語
N
flair
978.01k
24
Ner Dutch Large
Flair自帶的荷蘭語4類命名實體識別大模型，基於XLM-R嵌入和FLERT技術，在CoNLL-03荷蘭語數據集上F1分數達95.25。
序列標註 其他
N
flair
147.32k
9
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase