AIbase

D

Distilbert Base Uncased Finetuned Ner

由 codingJacob 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注任务。
序列标注
Transformers
开源协议:Apache-2.0#命名实体识别#高准确率#轻量级BERT
下载量 16
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

该模型是DistilBERT的微调版本，专门用于命名实体识别(NER)任务。它在conll2003数据集上训练，能够识别文本中的人名、地名、组织名等实体。

模型特点

高效轻量
基于DistilBERT架构，比标准BERT小40%，速度快60%，同时保持97%的性能
高准确率
在conll2003测试集上达到0.9843的准确率和0.9327的F1值
即用型模型
已针对NER任务进行预训练和微调，可直接用于实体识别应用

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
新闻实体提取
从新闻文章中自动识别人物、地点和组织名称
可准确标记文本中的关键实体
文档分析
处理法律或医疗文档中的专业术语识别
帮助快速定位文档中的重要实体信息
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
提高知识图谱构建的自动化程度