bert4ner-base-chinese

基于BERT的中文命名实体识别模型，具备高精度性能

bert4ner 中文实体识别 PEOPLE BertSoftmax 模型 Github 开源项目 Huggingface

bert4ner-base-chinese项目是一个基于BERT的中文命名实体识别模型，在人民日报数据集上取得了高精度表现。通过BertSoftmax网络结构，能够准确识别文本中的人名、时间等实体信息。可通过nerpy库调用该模型，也支持无外部依赖的直接调用方式，适用于各种自然语言处理应用。

Github

Huggingface

介绍相关项目

heBERT_NER - HeBERT: 专为希伯来语设计的命名实体识别和情感分析模型

GithubHeBERTHuggingface命名实体识别开源项目情感分析情感识别情绪用户生成内容模型

HeBERT是一个基于Google BERT架构的希伯来语模型，通过希伯来语OSCAR、维基百科以及情感用户生成内容数据集进行训练。它能够识别希伯来语文本中的人名、组织和地理位置等命名实体，并在测试中表现出色。此外，HeBERT还支持情感识别和情绪分析，研究人员和开发者可以在Huggingface平台上访问此模型。该工具适合需要进行深入希伯来语文本分析的用户。

ner-english-fast - 高效识别英语文本中的人名、地点和组织实体

FlairGithubHuggingfaceLSTM-CRF命名实体识别开源项目机器学习模型自然语言处理

ner-english-fast是基于Flair框架的命名实体识别模型，可识别英语文本中的人名、地点、组织和其他实体。该模型在CoNLL-03数据集上的F1分数为92.92，采用Flair嵌入和LSTM-CRF架构。它易于集成到NLP应用中，适用于文本分析和信息提取任务。模型支持快速部署，可通过简单的Python代码调用。

roberta-large-ontonotes5 - RoBERTa-large模型在OntoNotes 5数据集上的高性能命名实体识别微调版本

GithubHuggingfaceRoBERTaT-NER命名实体识别开源项目模型模型微调自然语言处理

这是roberta-large在OntoNotes 5数据集上的微调模型，专门用于命名实体识别任务。在测试集上，该模型达到了0.909的F1分数(微观)、0.905的精确度和0.912的召回率。模型采用CRF层，最大序列长度128，经过15轮训练。用户可通过tner库轻松应用此模型。它在多种实体类型识别中表现优异，尤其擅长识别地缘政治区域、组织和人物。

sbert-base-chinese-nli - SBERT中文句向量模型实现语义相似度计算

Chinese Sentence BERTGithubHuggingfaceUER-py句向量模型开源项目模型自然语言处理语义相似度

sbert-base-chinese-nli是一个基于BERT的中文句向量模型，通过UER-py框架预训练，并在ChineseTextualInference数据集上微调。该模型可将中文句子转换为向量表示，主要用于计算语义相似度。用户可通过sentence-transformers库轻松调用，适用于自然语言处理中的句子相似度任务。模型采用Siamese网络结构，在腾讯云平台上进行了5轮微调，以提升性能。

character-bert - 字符级CNN构建的开放词汇表神经网络模型

CharacterBERTGithub开放词表开源项目神经网络自然语言处理词嵌入

CharacterBERT是BERT的一个变体,采用字符级CNN模块动态构建词表示,无需依赖预定义词片词汇表。这种方法可生成任意输入标记的表示,适用于医学等专业领域。与标准BERT相比,CharacterBERT生成词级上下文表示,对拼写错误更为鲁棒,且可轻松适应不同领域而无需重新训练词片词汇表。该模型在多个医学领域任务中表现优于BERT,提供更便捷实用的词级开放词汇表表示。

biomedical-ner-all - 基于英语的生物医学实体识别AI模型

AIGithubHuggingfaceMaccrobatNamed Entity Recognitiontransformers库开源项目模型生物医学

该AI模型基于Maccrobat数据集训练，可以识别107种生物医学实体，适用于案例报告等文本工作。通过distilbert-base-uncased构建，拥有低碳排放（0.0279千克）和30.17分钟的训练时间。通过Huggingface API或transformers库，可便捷应用于生物医学领域；教程视频提供详细使用说明。

GLiNER - 通用轻量级命名实体识别模型

BERTGLiNERGithub命名实体识别开源项目机器学习自然语言处理

GLiNER是一个通用轻量级的命名实体识别模型,采用双向转换器编码器架构。它能识别任意类型的实体,填补了传统NER模型和大型语言模型之间的空白。GLiNER具有灵活性高、体积小、效率高的特点,适用于资源受限的场景。该模型支持自定义实体类型,可应用于信息提取、文本分类等多种自然语言处理任务。

gliner_large-v2.1 - 通用命名实体识别模型，适合资源有限的应用场景

GLiNERGithubHuggingface双向Transformer命名实体识别多语言开源开源项目模型

GLiNER是使用双向Transformer编码器的通用命名实体识别模型，能够识别多种实体类型。相比于传统NER模型和体积庞大的语言模型，GLiNER在资源有限的情况下表现出卓越的灵活性和效率。最新的GLiNER v2.1版本支持单语和多语模型，性能表现依旧出色。用户可以通过安装GLiNER Python库，将其方便地集成到项目中，适用于多种语言的文本预测任务。

gliner_small-v2.1 - 基于双向Transformer的轻量级通用实体识别模型

GLiNERGithubHuggingface命名实体识别开源项目机器学习模型模型训练自然语言处理

gliner_small-v2.1是一个基于双向Transformer架构的命名实体识别模型，具备识别任意类型实体的能力。这款模型采用166M参数规模，在保持较小资源占用的同时提供灵活的实体识别功能。模型支持英语处理，采用Apache-2.0许可证开源发布。相比传统NER模型的固定实体类型限制和大语言模型的高资源消耗，该模型提供了一个平衡的解决方案。

camembert-ner-with-dates - 基于camemBERT的法语命名实体识别模型集成日期标记功能

CamemBERTGithubHuggingFaceHuggingface命名实体识别开源项目日期标注模型自然语言处理

camembert-ner-with-dates是一个增强版的法语命名实体识别模型，基于camemBERT架构，新增日期标记功能。该模型在扩展的wikiner-fr数据集（约17万句）上训练，支持识别组织、人名、地点、杂项和日期等实体。在混合测试数据上，模型达到83%的F1分数，优于传统日期解析方法。用户可通过Hugging Face平台轻松使用该模型，总体精确度、召回率和F1分数均达到0.928。

推荐项目

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。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com