# 多标签NER

这是一个基于spaCy框架的俄语专利命名实体识别模型，专注于识别专利文本中的特定实体类型。

CNER模型是一个基于DeBERTa-v3-base架构的命名实体识别模型，能够联合识别和分类带有细粒度标签的概念和命名实体。

基于distilbert-base-uncased训练的英文命名实体识别模型，专为识别生物医学实体（107种实体类别）设计，适用于病例报告等文本语料。

基于xlm-roberta-base在食谱成分NER数据集上微调的模型，用于识别食谱成分中的各类标签。

该模型用于识别医疗文本中的药物相关实体，包括药物名称、剂量、持续时间、频率和用药原因。