B

Bert Bilstm Crf Ner Weibo

由 PassbyGrocer 开发
基于BERT-BiLSTM-CRF架构的中文命名实体识别模型,在微博数据集上微调,适用于社交媒体文本的实体识别任务
下载量 69
发布时间 : 11/5/2024
模型介绍
内容详情
替代品

模型简介

该模型结合了BERT的上下文理解能力与BiLSTM-CRF的序列标注优势,专门针对中文社交媒体文本进行命名实体识别

模型特点

社交媒体优化
专门针对微博等社交媒体文本进行优化,能有效处理网络用语和非正式表达
混合架构优势
结合BERT的上下文编码能力和BiLSTM-CRF的序列建模优势,提升实体识别准确率
多实体识别
能够识别多种类型的命名实体,包括人名、地名、组织机构名等

模型能力

中文文本实体识别
社交媒体文本处理
序列标注任务

使用案例

社交媒体分析
微博热点事件分析
从微博文本中提取事件相关的人物、地点和组织机构信息
F1分数0.6947,准确率97.03%
用户画像构建
通过用户发文中识别的实体构建用户兴趣画像
舆情监控
品牌提及监控
监测社交媒体中特定品牌或产品的提及情况