D

Distilbert Base Uncased Finetuned Ner

由 tiennvcs 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,适用于英文文本的实体标记任务。
下载量 15
发布时间 : 3/24/2022
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)任务进行微调。它能够识别文本中的人名、地名、组织机构名等实体,适用于信息提取、文本分析等场景。

模型特点

高效轻量
基于DistilBERT架构,在保持较高性能的同时显著减小模型体积和计算需求
高精度NER
在标准conll2003测试集上达到93.1%的F1值,表现优异
快速推理
蒸馏架构设计使模型推理速度比原始BERT更快

模型能力

命名实体识别
文本标记分类
信息提取

使用案例

信息提取
新闻实体提取
从新闻文本中自动识别人物、地点和组织机构
可准确标记文本中的实体类型
文档分析
处理法律或医疗文档中的专业术语识别
帮助快速定位关键信息
数据预处理
知识图谱构建
为知识图谱生成提供实体识别预处理
提高知识图谱构建效率