Project Icon

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

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。

项目简介

gliner_large-v2.5项目是一个名为GLiNER的命名实体识别(NER)模型。该模型使用双向变压器编码器(类似BERT)来识别任何类型的实体。与传统的NER模型不同,GLiNER不局限于预定义的实体类型,其灵活性使得它在面对大语言模型(LLM)时,成为一种更为实用的选择。相较于体积巨大且昂贵的大语言模型,GLiNER在资源受限的情况下显得尤为适用。

项目背景

命名实体识别任务通常用于在文本中识别诸如人名、地名、机构名等特定的实体。传统NER模型往往只能识别某些预先训练好的实体类型,限制了其使用场景。GLiNER不同之处在于通过使用类似BERT的双向变压器编码器,提供了一种可识别任意类型实体的方法。

安装指南

要使用该模型,首先需要安装GLiNER的Python库。安装命令如下:

!pip install gliner -U

使用说明

安装完GLiNER库后,用户可以导入GLiNER类,并通过GLiNER.from_pretrained方法加载此模型。随后,可以使用predict_entities方法来预测文本中的实体。

代码示例:

from gliner import GLiNER

model = GLiNER.from_pretrained("gliner-community/gliner_large-v2.5", load_tokenizer=True)

text = """
Cristiano Ronaldo dos Santos Aveiro (Portuguese pronunciation: [kɾiʃˈtjɐnu ʁɔˈnaldu]; born 5 February 1985) is a Portuguese professional footballer who plays as a forward for and captains both Saudi Pro League club Al Nassr and the Portugal national team. Widely regarded as one of the greatest players of all time, Ronaldo has won five Ballon d'Or awards,[note 3] a record three UEFA Men's Player of the Year Awards, and four European Golden Shoes, the most by a European player. He has won 33 trophies in his career, including seven league titles, five UEFA Champions Leagues, the UEFA European Championship and the UEFA Nations League. Ronaldo holds the records for most appearances (183), goals (140) and assists (42) in the Champions League, goals in the European Championship (14), international goals (128) and international appearances (205). He is one of the few players to have made over 1,200 professional career appearances, the most by an outfield player, and has scored over 850 official senior career goals for club and country, making him the top goalscorer of all time.
"""

labels = ["person", "award", "date", "competitions", "teams"]

entities = model.predict_entities(text, labels)

for entity in entities:
    print(entity["text"], "=>", entity["label"])

输出示例:

Cristiano Ronaldo dos Santos Aveiro => person
5 February 1985 => date
Al Nassr => teams
Portugal national team => teams
Ballon d'Or => award
UEFA Men's Player of the Year Awards => award
European Golden Shoes => award
UEFA Champions Leagues => competitions
UEFA European Championship => competitions
UEFA Nations League => competitions
Champions League => competitions
European Championship => competitions

项目性能

GLiNER在命名实体识别的基准测试中表现出色,版本性能对比图如附图所示。

其他可用模型

GLiNER项目下还有多个其他版本和模型可供选择,根据不同的参数数量、语言支持和许可证类型进行划分,例如:

版本模型名称参数数量支持语言许可证
v0gliner_base
gliner_multi
209M
209M
English
Multilingual
cc-by-nc-4.0
v1gliner_small-v1
gliner_medium-v1
gliner_large-v1
166M
209M
459M
English
English
English
cc-by-nc-4.0
v2gliner_small-v2
gliner_medium-v2
gliner_large-v2
166M
209M
459M
English
English
English
apache-2.0
v2.1gliner_small-v2.1
gliner_medium-v2.1
gliner_large-v2.1
gliner_multi-v2.1
166M
209M
459M
209M
English
English
English
Multilingual
apache-2.0

模型作者

GLiNER模型由以下作者开发:

引用信息

如果您在研究中使用了此项目或代码,请标注引用以下论文:

@misc{zaratiana2023gliner,
      title={GLiNER: Generalist Model for Named Entity Recognition using Bidirectional Transformer}, 
      author={Urchade Zaratiana and Nadi Tomeh and Pierre Holat and Thierry Charnois},
      year={2023},
      eprint={2311.08526},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

通过以上信息,希望用户能够更好地理解和使用gliner_large-v2.5项目中的GLiNER模型,进一步推进其在多语言多实体识别中的应用。

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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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