NER RUBERT Per Loc Org
基于BERT架构的轻量级俄语命名实体识别模型,支持识别人物、地点和组织三类实体。
下载量 15
发布时间 : 3/2/2022
模型简介
该模型是对cointegrated/rubert-tiny进行微调得到的俄语命名实体识别模型,专门用于从俄语文本中识别PER(人物)、LOC(地点)和ORG(组织)三类实体。
模型特点
轻量级设计
基于rubert-tiny架构,模型参数较少,适合资源有限的环境。
俄语优化
专门针对俄语文本进行训练和优化,在俄语NER任务上表现良好。
三类实体识别
能够准确识别文本中的人物、地点和组织三类命名实体。
模型能力
俄语文本处理
命名实体识别
人物实体检测
地点实体检测
组织实体检测
使用案例
信息提取
新闻文章分析
从俄语新闻文章中提取关键人物、地点和组织信息
自动构建新闻事件的关系网络
社交媒体监控
分析俄语社交媒体内容中的实体信息
识别热门话题中的关键实体
知识图谱构建
俄语维基百科处理
从俄语维基百科文本中提取实体用于知识图谱构建
自动识别和分类维基百科中的实体
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
智启未来,您的人工智能解决方案智库
简体中文