gliner_base

灵活的命名实体识别模型，适用各种场景

GLiNER 开源项目 BERT 命名实体识别模型多语言 Huggingface 开源库 Github

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。

Github

Huggingface

介绍相关项目

ner-bert-base-cased-pt-lenerbr - 葡萄牙语法律文本的BERT命名实体识别模型

BERTGithubHuggingfaceLeNER-BrNER开源项目模型法律领域葡萄牙语

这是一个针对葡萄牙语法律文本的命名实体识别模型,基于BERT架构在LeNER-Br数据集上微调而来。模型在测试集上取得了89.26%的F1分数,可识别多种法律实体类型,包括判例、法规、组织机构等。该模型为葡萄牙语法律文本分析提供了有力支持,可通过HuggingFace平台或Python代码进行使用。

nbailab-base-ner-scandi - 斯堪的纳维亚语言的命名实体识别模型

GithubHuggingfaceScandiNER北欧语言命名实体识别开源项目数据集模型模型性能

这个模型是NbAiLab/nb-bert-base的精调版本，适用于丹麦语、挪威语、瑞典语、冰岛语和法罗语的命名实体识别（NER）。通过整合DaNE、NorNE、SUC 3.0和WikiANN的一些数据集，模型可以提供高精度的NER结果，并支持多种语言包括英语。识别的实体类型包括人名、地名、组织名及其他类别。模型以Micro-F1得分约为89%的表现，以及4.16样本/秒的处理速度表现出色，同时模型体积合理，带来好的准确性和效率平衡。

robertuito-ner - 基于RoBERTuito的双语命名实体识别模型

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

robertuito-ner是一个基于RoBERTuito的命名实体识别模型，用于处理西班牙语和英语混合文本。该模型在LinCE NER语料库训练，支持识别人名、地名等实体，在NER任务上达到68.5%的性能指标。通过pysentimiento库集成，可用于社交媒体文本分析和代码切换研究。

bert-base-parsbert-ner-uncased - ParsBERT-NER：高性能波斯语命名实体识别模型

BERTGithubHuggingface命名实体识别开源项目机器学习模型波斯语自然语言处理

ParsBERT-NER是一个专门用于波斯语命名实体识别的预训练模型。该模型基于BERT架构，在ARMAN和PEYMA数据集上进行微调，支持识别组织、地点、人名等多种实体类型。在多个波斯语NER基准测试中，ParsBERT-NER展现出卓越性能，F1分数最高达98.79%。研究人员和开发者可通过Hugging Face Transformers库轻松使用这一模型进行波斯语自然语言处理任务。

span-marker-bert-base-conll2002-es - 该模型在命名实体识别中实现高效精确识别

GithubHuggingfaceSpanMarkerbert-base-casedconll2002命名实体识别开源项目模型精度

该模型基于conll2002数据集训练，使用bert-base-cased编码器进行命名实体识别。精确度、召回率和F1评分分别为0.8331、0.8074和0.8201。支持直接推理和二次调优，同时具备良好的可读性和效率，是提升实体识别能力的有效工具。

nli-distilroberta-base - DistilRoBERTa自然语言推理跨编码器模型

GithubHuggingfaceSentenceTransformersdistilroberta-base开源项目模型自然语言推理跨编码器零样本分类

nli-distilroberta-base是一个基于DistilRoBERTa的自然语言推理模型。该模型在SNLI和MultiNLI数据集上训练，能够判断句子对之间的矛盾、蕴含和中性关系。除了自然语言推理，它还支持零样本文本分类。模型可通过SentenceTransformers或Transformers库轻松集成，适用于多种自然语言处理应用。

bert-base-turkish-cased-ner - 土耳其语BERT命名实体识别模型实现99.61%准确率

BERTGithubHuggingface命名实体识别土耳其语言模型开源项目模型模型训练自然语言处理

该项目提供了一个基于BERT的土耳其语命名实体识别模型。通过使用精选的土耳其NER数据集进行微调，模型能够识别人名、组织机构和地点等实体。在多个测试集上，模型展现出优异性能，总体F1分数为96.17%，准确率达99.61%。项目还提供了简洁的使用接口，便于集成到各种土耳其语自然语言处理任务中。

bert-base-uncased-conll2003 - 基于BERT的CoNLL-2003数据集命名实体识别模型

BERTCoNLL-2003GithubHuggingface命名实体识别开源项目模型模型微调自然语言处理

此模型是基于bert-base-uncased在CoNLL-2003数据集上微调的命名实体识别模型。经过2轮训练，模型在测试集上展现出优秀性能：精确率达0.8885，召回率为0.9046，F1分数为0.8965，准确率高达0.9781。模型采用Adam优化器和线性学习率调度器，为NLP领域提供了一个高效的命名实体识别解决方案。

gte-multilingual-base - 多语言自然语言处理模型支持广泛NLP任务

GithubHuggingfaceMTEBsentence-transformers多语言模型开源项目模型自然语言处理语义相似度

gte-multilingual-base是一个多语言自然语言处理模型，支持80多种语言。该模型可用于文本聚类、语义搜索、分类等多种NLP任务，在MTEB基准测试中表现优异，尤其擅长跨语言任务。它为处理多语言文本数据和语义分析提供了灵活的解决方案。

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。

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。

使用协议隐私政策广告服务

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