基于bert-base-cased微调的命名实体识别(NER)模型
下载量 14
发布时间 : 7/9/2022
模型简介
该模型是基于bert-base-cased在NER任务上微调的版本,适用于命名实体识别任务。
模型特点
基于BERT架构
使用强大的bert-base-cased作为基础模型,具有优秀的文本理解能力
高效微调
仅经过2轮训练即达到较好效果,验证损失为0.0554
混合精度训练
使用mixed_float16精度进行训练,提高训练效率
模型能力
命名实体识别
文本序列标注
使用案例
文本信息提取
文档实体识别
从文档中识别出人名、地名、组织名等实体
生物医学文本处理
识别医学文献中的专业术语和实体
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文