信息抽取

# 中文对话0.2B小模型 ChatLM-Chinese-0.2B 中文 | [English](https://github.com/charent/ChatLM-mini-Chinese/

# 中文对话0.2B小模型 ChatLM-Chinese-0.2B 中文 | [English](https://github.com/charent/ChatLM-mini-Chinese/

NER-PMR-large NER-PMR-large is initialized with PMR-large and further fine-tuned with 4 NER training

MAOE介绍 What's New 2023年1月：MAOE（More thAn One Encoder）首次发布，支持 1）细粒度实体识别（体验）；2）作为encoder继续fine-tuning

NestedNER介绍 模型描述 本方法采用Global Pointer模型，使用nezha-cn-base作为预训练模型底座。模型训练由AdaSeq框架支持。 模型结构如下图所示： 可参考论文：G

ICASSP2023 MUG Challenge Track4 关键词抽取Baseline 赛事及背景介绍 随着数字化经济的进一步发展，越来越多的企业开始将现代信息网络作为数据资源的主要载体，并通过网

named-entity-recognition widgets: task: named-entity-recognition inputs: type: text validator: max

英语电商域Query NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa(XLM-R)作为预训练模型底座。本模型主要用于给输入英语搜索query文本产出命名

英语电商域Title NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa作为预训练模型底座。本模型主要用于给输入英语商品标题文本产出命名实体识别结果, 具体

印尼语电商域Query NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa(XLM-R)作为预训练模型底座。本模型主要用于给输入印尼语搜索query文本产出

越南语电商域Query NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa(XLM-R)作为预训练模型底座。本模型主要用于给输入越南语搜索query文本产出

泰语电商域Query NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa(XLM-R)作为预训练模型底座。本模型主要用于给输入泰语搜索query文本产出命名

印尼语电商域Title NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa作为预训练模型底座。本模型主要用于给输入越南语商品标题文本产出命名实体识别结果,

越南语电商域Title NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa作为预训练模型底座。本模型主要用于给输入越南语商品标题文本产出命名实体识别结果,

泰语电商域Title NER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-RoBERTa作为预训练模型底座。本模型主要用于给输入泰语商品标题文本产出命名实体识别结果，具体调

RANER介绍 What's New 2023年2月： - 如当前模型不满足您的需求，请尝试信息抽取快速定制能力。具体可以体验我们的创空间，零代码仅需要一~五条标注样本即可定制一个NER模型！ 20

RANER介绍 What's New 2023年8月： 开放域文本理解大模型 已上线，无需训练，即可完成实体识别、文本分类、阅读理解等多种任务！ 2023年4月： - 如您需要自定义实体类型，请尝试

RANER介绍 What's New 2023年8月： 开放域文本理解大模型 已上线，无需训练，即可完成实体识别、文本分类、阅读理解等多种任务！ 2022年12月： 训练所使用的序列理解统一框架Ad

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Train

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Train