#CoNLL-2003
bert-base-NER - 基于BERT的高性能命名实体识别模型用于精准NER任务
Github开源项目自然语言处理机器学习BERT模型命名实体识别HuggingfaceCoNLL-2003
bert-base-NER是一个基于BERT的预训练模型，专门用于命名实体识别任务。该模型在CoNLL-2003数据集上进行微调，能够识别地点、组织、人名和杂项四类实体。在NER任务中，bert-base-NER展现出优秀性能，F1分数达92.59%。模型提供简洁接口，可广泛应用于各类自然语言处理场景。
bert-large-NER - BERT大型版命名实体识别模型实现最先进性能
Github开源项目自然语言处理机器学习BERT模型命名实体识别HuggingfaceCoNLL-2003
bert-large-NER是一个基于BERT大型模型的命名实体识别(NER)工具。该模型在CoNLL-2003数据集上训练，可准确识别地点、组织、人名和其他杂项四类实体。模型支持通过Transformers pipeline轻松集成，适用于多种NER应用场景。在测试集上，bert-large-NER的F1分数达到91.7%，展现了卓越的实体识别能力。
bert-base-uncased-conll2003 - 基于BERT的CoNLL-2003数据集命名实体识别模型
Github开源项目自然语言处理模型微调BERT模型命名实体识别HuggingfaceCoNLL-2003
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。
distilbert-base-cased-finetuned-conll03-english - 基于DistilBERT的英语命名实体识别模型
Github开源项目自然语言处理模型命名实体识别Huggingface迁移学习DistilBERTCoNLL-2003
这是一个基于distilbert-base-cased模型微调的英语命名实体识别(NER)工具。该模型在conll2003英语数据集上训练，对大小写敏感，在验证集上达到98.7%的F1分数。它能够有效识别和分类文本中的人名、地名和组织名等命名实体，为各种自然语言处理任务提供支持。
distilbert-NER - 一个精简、高效的命名实体识别模型
Github开源项目AI模型模型命名实体识别HuggingfaceDistilBERTCoNLL-2003distilbert-NER
distilbert-NER是DistilBERT的精简版本，专为命名实体识别（NER）任务优化，能够识别地点、组织、人物等实体。相比BERT，参数更少，具备更小的模型体积和更高的速度，并在CoNLL-2003数据集上精细调优，具备良好的精度和性能。