模型说明

在实体抽取中，我们提供了中英文模型进行选择，中文也提供了两个不同的模型。如果您不知道选哪个，可以选择LSTM-CRF 进行尝试，兼顾了运行效率和最终结果。以下是模型的说明，您可以根据自己的具体场景，选择一个更适合的模型。

• 中文BiLSTM+CRF

  • 同时编码字/词信息的BiLSTM+CRF 模型，模型结构简单，训练速度快，更适合样本数据量大、标签种类较多的场景。

• 中文Tiny-StructBERT

  • StructBERT 是阿里达摩院自研的语言模型，Tiny模型是在大规模语料下蒸馏后的StructBERT 模型，最大程度上保留了StructBERT 的性能，且提升速度。该模型模型结构相对复杂，适合小样本数据集，可以收获更高的准确率。

• 中文StructBert

  • 基于阿里自研的Struct BERT，从大量无标注语料进行预训练的模型并且蒸馏后的模型，适合标注语料不足的中文任务。针对实体重叠问题进行了优化。建议一般用户选择该类模型。

• 英文实体抽取模型

  • 同时编码char/word 信息的BiLSTM+CRF 模型，能够快速获取较高的准确率。

• 更多维度对比

• 模型	性能	效果	是否支持重叠实体	说明
  中文BiLSTM-CRF	很快		不支持
  中文Tiny-StructBERT	很快		不支持
  中文StructBert	较快	较好	支持	优先推荐使用
  中文StructBert-CRF	较慢	较好	支持	适用于数据量较小场景，请设置epoch>10
  中文StructBert-CRF（高性能版）【推荐】	较快	较好	不支持	适用于标签依赖较强数据
  英文实体抽取	很快		不支持