AIbase

H

Hiner Original Xlm Roberta Large

由 cfilt 开发
该模型是基于XLM-RoBERTa-large架构在HiNER-original数据集上训练的命名实体识别模型，专门用于标记分类任务。
序列标注
Transformers
#多语言NER#高精度实体识别#跨语言迁移
下载量 56
发布时间 : 5/1/2022
模型介绍
内容详情
替代品

模型简介

这是一个用于命名实体识别(NER)的标记分类模型，基于XLM-RoBERTa-large架构，在HiNER-original数据集上训练，能够识别文本中的特定实体类别。

模型特点

高精度实体识别
在HiNER-original数据集上达到89.2%的F1值，表现优异
基于XLM-RoBERTa-large
利用强大的多语言预训练模型作为基础，具有优秀的特征提取能力
端到端标记分类
可直接处理原始文本并输出实体标记，简化了NER流程

模型能力

命名实体识别
文本标记分类
序列标注

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、组织名等实体
可帮助构建知识图谱或事件分析
生物医学文本分析
识别医学文献中的疾病、药物和基因名称
辅助医学研究和文献检索
文本处理
文档自动化处理
自动标注合同或法律文件中的关键实体
提高文档处理效率和准确性