基于DistilBERT-base-uncased模型微调的命名实体识别(NER)模型
下载量 15
发布时间 : 5/10/2022
模型简介
该模型是DistilBERT-base-uncased的微调版本,专门用于命名实体识别任务。它保留了原始模型的轻量级特性,同时针对特定NER任务进行了优化。
模型特点
轻量高效
基于DistilBERT架构,比标准BERT模型小40%,同时保留95%的性能
命名实体识别
专门针对NER任务进行微调,能够识别文本中的各类命名实体
模型能力
文本实体识别
序列标注
自然语言处理
使用案例
信息提取
新闻实体提取
从新闻文本中识别人名、地名、组织机构等实体
生物医学文本分析
识别医学文献中的药物、疾病和基因名称等专业术语
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