N

Ner Bert Base Cased Ontonotesv5 Englishv4

由 djagatiya 开发
基于BERT-base-cased架构微调的命名实体识别模型,专门用于识别文本中的各类命名实体。
下载量 1,060
发布时间 : 7/3/2022
模型介绍
内容详情
替代品

模型简介

该模型在OntoNotes v5英文数据集上微调,能够识别18种实体类型,包括日期、地点、人物、组织等。

模型特点

高精度实体识别
在18类实体识别任务中达到88.73的F1分数
广泛实体覆盖
支持识别18种不同类型的命名实体
基于BERT架构
利用BERT强大的上下文理解能力提升识别准确率

模型能力

文本实体识别
多类别实体分类
上下文感知实体提取

使用案例

信息提取
新闻文本分析
从新闻文章中提取人物、组织、地点等关键信息
可准确识别文本中的关键实体
金融文档处理
识别金融文档中的货币、数量、百分比等数值实体
货币识别F1达0.88,百分比识别F1达0.89
知识图谱构建
实体关系抽取
作为知识图谱构建的前置步骤识别文本中的各类实体