Project Icon

ner-english-ontonotes-large

Flair框架的大规模英语命名实体识别模型支持18种实体类型

ner-english-ontonotes-large是Flair框架中的大规模英语命名实体识别模型。该模型可识别18种实体类型,包括人名、地点和组织等,在Ontonotes数据集上F1分数达90.93%。模型基于文档级XLM-R嵌入和FLERT技术,通过简洁的Python代码即可调用。这一工具为各类自然语言处理任务提供了精准的命名实体识别功能。

wikineural-multilingual-ner - 融合神经网络和知识库的多语言命名实体识别模型
GithubHuggingfaceWikiNEuRal命名实体识别多语言开源项目模型维基百科自然语言处理
WikiNEuRal是一个创新的多语言命名实体识别模型,基于自动生成的高质量数据集训练而成。该模型支持9种语言,通过结合神经网络和知识库方法,在标准NER基准测试中实现了显著突破,F1分数比现有系统提高了6个点。模型集成了Transformers库,便于快速部署和使用。尽管在百科全书类文本上表现出色,但对新闻等其他文体的泛化能力可能有限。
gliner_medium-v2.1 - 多功能通用型命名实体识别模型GLiNER
GLiNERGithubHuggingface人工智能命名实体识别开源项目机器学习模型自然语言处理
GLiNER是一种基于双向Transformer编码器的命名实体识别模型,可识别任意类型的实体。该模型为资源受限场景提供了实用的替代方案,克服了传统NER模型仅限预定义实体的局限性,同时避免了大型语言模型的高成本问题。GLiNER支持多语言,提供不同规模的版本,安装使用简便。在NER基准测试中表现优异,适用于多种应用场景。
bert-finetuned-ner - BERT微调模型实现高精度命名实体识别
BERTGithubHuggingfaceconll2003命名实体识别开源项目模型模型微调自然语言处理
该项目基于BERT模型,在conll2003数据集上进行微调,专注于命名实体识别任务。模型在评估集上展现出优异性能,精确率达0.9355,召回率为0.9514,F1分数为0.9433。经过3轮训练,采用Adam优化器和线性学习率调度器,模型在命名实体识别领域表现卓越。
gliner_multi - 灵活识别多语言实体的开源NER模型
GLiNERGithubHuggingface命名实体识别多语言模型开源项目机器学习模型自然语言处理
GLiNER-multi是一个基于双向Transformer架构的开源多语言命名实体识别模型。它能够灵活识别各种实体类型,填补了传统NER模型与大型语言模型之间的空白。该模型在Pile-NER数据集上训练,支持多语言处理,易于集成到不同的自然语言处理应用中。GLiNER-multi在保证性能的同时优化了模型规模,适用于计算资源有限的场景。
NuNER-multilingual-v0.1 - 支持九种以上语言的高性能多语言实体识别系统
GithubHuggingfaceMultilingual BERTNLPNuMind多语言模型实体识别开源项目模型
NuNER-multilingual-v0.1作为一个多语言实体识别系统,通过对多语言BERT模型进行优化,实现了对英语、法语等9种以上语言的支持。系统基于Oscar数据集训练,具备跨领域和跨语言的实体识别能力。在性能测评中,其F1宏观指标相比基础mBERT有明显提升,单层嵌入达到0.5892,双层嵌入达到0.6231的水平。该系统可直接使用或根据具体需求进行定制化训练。
gliner_large-v2.5 - 利用双向变压器编码器的通用命名实体识别模型
GLiNERGithubHuggingface双向Transformer编码器命名实体识别多语言开源项目模型语言模型
GLiNER是一款通用命名实体识别模型,基于BERT风格的双向变压器编码器,能够识别广泛的实体类型,如人名、奖项和日期等。与传统模型相比,它无需预定义实体,且在资源受限的环境中比大型语言模型更具实用性和经济性。通过安装GLiNER Python库,即可轻松加载并预测实体。最新版在基准测试中表现出色。
camembert-ner - 基于camemBERT的高性能法语命名实体识别模型
GithubHuggingfaceNERcamemBERTwikiner_fr实体识别开源项目模型自然语言处理
camembert-ner是一个在wikiner-fr数据集上微调的法语命名实体识别模型。该模型在非正式文本如电子邮件和聊天记录中表现出色,尤其善于识别不以大写字母开头的实体。它能够识别人名、组织、地点和其他杂项实体,并可通过HuggingFace框架轻松集成。模型的整体F1分数为0.8914,其中人名识别准确率最高,达到0.9483。
Italian_NER_XXL - 意大利实体识别模型,识别52类实体
BERTGithubHuggingfaceItalian_NER_XXL实体识别开源项目更新模型自然语言处理
该人工智能模型能够识别52类意大利语实体,具备79%的准确率,并基于BERT技术进行持续更新。其在法律、金融和隐私等领域表现出色,提供多功能的实体识别支持。
gliner_base - 灵活的命名实体识别模型,适用各种场景
BERTGLiNERGithubHuggingface命名实体识别多语言开源库开源项目模型
GLiNER是基于双向Transformer编码器的命名实体识别模型,能够识别多种实体类型,是传统NER模型的实用替代方案。与大型语言模型相比,GLiNER在资源受限场景中更高效且成本更低。该模型支持多语言并易于安装,用户可通过Python库轻松集成和使用。最新版本更新了多个模型参数,提升了性能,适合广泛的语言环境。该模型由Urchade Zaratiana等人开发,旨在提升科研和工业界的文本分析能力。
gliner_multi-v2.1 - 多语言命名实体识别模型兼顾灵活性与资源效率
GLiNERGithubHuggingface命名实体识别多语言模型开源项目机器学习模型自然语言处理
GLiNER是一种基于双向Transformer编码器的多语言命名实体识别模型,能够识别任意类型的实体。与传统NER模型和大型语言模型相比,GLiNER在保持性能的同时提高了资源效率。该模型提供多个版本,参数量介于166M至459M之间,支持英语和多语言处理,并采用Apache-2.0开源许可。GLiNER为资源受限的应用场景提供了一个实用的NER解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号