AIbase

R

Roberta Finetuned Ner

由 kSaluja 开发
基于xlm-roberta-base微调的命名实体识别(NER)模型，在评估集上表现出色(F1值0.9777)
序列标注
Transformers
开源协议:MIT#多语言NER#高精度实体识别#RoBERTa微调
下载量 25
发布时间 : 3/15/2022
模型介绍
内容详情
替代品

模型简介

该模型是基于xlm-roberta-base架构微调的命名实体识别模型，适用于从文本中识别特定类别的命名实体。

模型特点

高精度识别
在评估集上达到97.77%的F1值，表现优异
基于RoBERTa架构
利用强大的xlm-roberta-base作为基础模型，具有优秀的文本理解能力
多语言潜力
基于xlm-roberta架构，可能支持多语言命名实体识别(需验证)

模型能力

文本实体识别
序列标注
多类别实体分类

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
高精度提取各类命名实体
生物医学文本处理
识别医学文献中的疾病、药物、基因等专业术语
数据标注
自动化文本标注
为NLP训练数据自动生成实体标注
减少人工标注工作量