license: cc-by-nc-4.0 language:

• en

UniNER-7B-type

说明：基于LLama-7B模型，使用Pile-NER-type数据训练而成的UniNER-7B模型（未使用人工标注数据）。该数据通过提示gpt-3.5-turbo-0301对文本段落进行实体标注并提取实体类型标签构建而成。数据收集提示模板如下：

详见我们的论文。模型使用方法请参考代码库。

与UniNER-7B-definition对比

UniNER-7B-type模型在实体标签识别任务中表现优异，在包含9个领域43个学术数据集的Universal NER基准测试中成绩突出。而UniNER-7B-definition更擅长处理短句定义的实体类型，对类型表述的改写具有更强的鲁棒性。

推理

推理实例模板如下：

注意：每次推理仅针对单一实体类型。如需处理多类型实体，请为每个类型创建独立实例。

许可协议

本模型及相关数据遵循CC BY-NC 4.0协议发布，主要用于研究用途。

引用

@article{zhou2023universalner,
      title={UniversalNER: Targeted Distillation from Large Language Models for Open Named Entity Recognition}, 
      author={Wenxuan Zhou and Sheng Zhang and Yu Gu and Muhao Chen and Hoifung Poon},
      year={2023},
      eprint={2308.03279},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}