D

Distilbert Base Uncased Finetuned Ner

由 ACSHCSE 开发
基于DistilBERT的轻量级命名实体识别模型,在conll2003数据集上微调
下载量 15
发布时间 : 4/12/2022
模型介绍
内容详情
替代品

模型简介

该模型是基于DistilBERT的轻量级版本,专门针对命名实体识别(NER)任务进行了微调。它在标准conll2003数据集上表现出色,适用于文本中的实体识别任务。

模型特点

高效轻量
基于DistilBERT架构,比标准BERT模型小40%,同时保留95%的性能
高精度NER
在conll2003数据集上达到92.9%的F1值,表现优异
快速推理
蒸馏模型架构提供更快的推理速度,适合生产环境部署

模型能力

命名实体识别
文本标记分类
实体边界检测
实体类型分类

使用案例

信息提取
新闻文章实体提取
从新闻文本中识别人名、地名、组织名等实体
可准确识别文本中的命名实体,F1值达92.9%
文档自动化处理
自动提取合同或法律文档中的关键实体信息
知识图谱构建
知识图谱实体抽取
从非结构化文本中提取实体用于知识图谱构建