模型介绍
中文整理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（同BERT）。开发工具介绍; 3) 结合Adaseq进行少样本实体识别模型学习。
模型描述
该模型还在持续迭代中，相关论文还处于匿名期，因此此处只做简单介绍, 敬请期待完整内容。**
MAOE（More thAn One Encoder）是一个集预训练模型和任务模型为一体的模型。可以用于以下场景：
- 作为预训练模型（encoder）,结合下游任务head继续fine-tuning, 下游任务可以是序列理解相关任务，如命名实体识别、实体分类等。
- 作为细粒度实体识别模型。MAOE内置细粒度实体识别能力，实现超1000种实体的识别。
- 作为零样本实体识别模型。MAOE内置零样本实体识别能力，只需给定实体类别即可抽取需要的实体。
期望模型使用方式以及适用范围
本模型主要用于给输入中文句子产出命名实体识别结果。用户可以自行尝试输入中文句子。具体调用方式请参考代码示例。
模型局限性以及可能的偏差
本模型支持实体类别较多，部分类别由于训练数据原因可能效果较低，请用户自行评测后决定如何使用。
如何使用
在安装ModelScope完成之后, 可结合官方工具AdaSeq体验相关能力, 默认单句长度不超过256。
作为Encoder使用
参考Adaseq模型训练示例，只需将配置文件中，embedder参数改成MAOE即可, 可以参考：examples/bert crf/configs/maoe example.yaml：
少样本实体识别模型训练
参考Adaseq模型训练示例, examples/twostage ner/configs/msra.yaml:
- 指定训练数据
- 修改encoder
也可以在创空间快速尝试。https://www.modelscope.cn/studios/damo/maoe fsl ner/summary
细粒度实体识别
实体标签介绍
本模型目前支持300+（目标1000+）种实体类型识别，具体标签集可以参考configuration.json文件。
相关论文以及引用信息
待更新。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。