S

Span Marker Xlm Roberta Base Fewnerd Fine Super

由 tomaarsen 开发
这是一个在FewNERD数据集上训练的SpanMarker模型,用于多语言命名实体识别任务,基于xlm-roberta-base编码器。
下载量 148
发布时间 : 6/15/2023

模型简介

该模型采用SpanMarker架构,专门用于命名实体识别(NER)任务,支持英语和多语言文本处理。

模型特点

多语言支持
基于xlm-roberta-base编码器,支持英语和多语言文本处理
细粒度实体识别
能够识别66种不同类型的实体,包括艺术、建筑、事件、地点、组织等
SpanMarker架构
采用SpanMarker架构,专门优化用于命名实体识别任务

模型能力

命名实体识别
多语言文本处理
细粒度实体分类

使用案例

信息提取
新闻文章实体识别
从新闻文章中提取人名、地名、组织名等实体
F1分数0.6885
学术文献分析
识别科研论文中的化学物质、生物学术语等专业实体
化学物质F1分数0.5832,生物学术语F1分数0.6497
商业智能
公司名称识别
从商业文档中提取公司名称和组织信息
F1分数0.6917
产品识别
识别文本中提到的产品名称和类型
汽车产品F1分数0.7234,飞机产品F1分数0.6464
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase