# 新聞實體識別

基於GLiNER的微調版本，專為新聞領域實體識別優化，在18個基準測試中零樣本準確率最高提升7.5%

基於GLiNER的微調版本，專為新聞實體抽取優化，在18個基準測試中零樣本準確率最高提升7.5%

基於BERTimbau微調的葡萄牙語命名實體識別模型，專注於識別欺詐和腐敗相關新聞中的實體

針對沃洛夫語進行命名實體識別(NER)任務的標記分類模型，基於xlm-roberta-base在MasakhaNER數據集（沃洛夫語部分）上微調而成

該模型是在MasakhaNER數據集（斯瓦希里語部分）上微調的命名實體識別模型，適用於斯瓦希里語文本中的實體識別任務。

基於xlm-roberta-base微調的命名實體識別模型，專門針對尼日利亞皮欽語優化

這是一個基於XLM-RoBERTa模型，在馬薩卡NER數據集斯瓦希里語部分進行微調的命名實體識別模型。

這是一個基於xlm-roberta-base-finetuned-wolof預訓練模型，在馬薩卡納NER數據集斯瓦希里語部分進行微調的命名實體識別模型。

基於mBERT的多語言命名實體識別模型，支持10種高資源語言，能識別地點、組織和人名三類實體。