Ner Demo

Ner Demo

在 Streamlit 页面里用 dslim/bert-base-NER 模型找出文本中的命名实体。适合想在自己的句子上看实体识别效果的学生和开发者。

由 kingfisher 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是一个运行单个模型 dslim/bert-base-NER 的 Streamlit 应用，用来做命名实体识别。这个任务就是从文本里挑出人名、地名和机构名之类的名称。你可以在浏览器里使用，也可以在自己的电脑上运行一份副本。

适合谁：它适合想在做进项目之前，先在自己写的句子上看看实体识别效果的学生和开发者。

行业 | 谁在用 | 怎么用 | 例子
教育 | 自然语言处理的学生 | 看实体标注器能从句子里挑出什么 | 打开这个 Space，输入一个短句
软件 | Python 开发者 | 在用之前先拿自己的文本试一下模型 | 在本地运行一份副本并读 app.py
研究 | 数据分析师 | 在样例文档上快速试一个标注器 | 粘贴文档里的几行

如果你要处理成千上万个文件，可以跳过它，因为这只是一个单模型的演示页面。

用在哪里：

• 网页浏览器：到 Hugging Face 上的这个 Space 就能试，不用安装
• Windows、macOS 或 Linux：用 Python 运行一份副本

用途 | 谁用 | 得到什么
标注句子 | 学生 | 模型在文本里找到的名称
测试模型 | 开发者 | 快速看看 dslim/bert-base-NER 在他们文本上的表现
读代码 | 学习者 | 一个把单个模型接到 Streamlit 页面的简短 app.py

如何设置：先准备好下面这些东西。

• 装有 pip 的 Python，系统可以是 Windows、macOS 或 Linux
• 能从 Hugging Face 下载文件的网络连接

1. 安装 Hugging Face hub 包。
2. 把这个 Space 下载到本地文件夹。
3. 进入这个文件夹。
4. 安装 Streamlit 和 requirements.txt 里列出的包。
5. 启动应用。

pip install -U huggingface_hub
hf download kingfisher/ner-demo --repo-type space --local-dir ner-demo
cd ner-demo
pip install streamlit
pip install -r requirements.txt
streamlit run app.py

如何使用：在线使用时，用 Space 显示的 Streamlit 页面。在自己的电脑上，则用下面的命令启动应用，再在浏览器里打开它提供的页面。

streamlit run app.py

示例：你在项目文件夹里运行 streamlit run app.py，打开页面并输入一句含有人名和城市名的话。页面会显示模型在其中找到的名称。

新手与专家：如果你是新手，先从在线版开始。到这个 Space 里，在安装任何东西之前先输入一句带名字的话。它能让你看到实体识别在实际中是什么样子。

如果你懂这个领域，要注意这个 Space 只列出一个模型 dslim/bert-base-NER，由 app.py 加载。来源没有给出准确率数字或标签列表，请去看模型卡。

打开 Space 或运行 streamlit
Streamlit 页面加载
你输入一些文字
NER 模型标注实体
标注后的文字显示在页面上

注意事项：许可标签是 cc-by-nc-sa-4，通常限制商业使用，所以在复用代码之前请先读它的条款。

• License: cc-by-nc-sa-4
• Cost to run: 未列出，没有 API 密钥、账号或付费服务
• Data it reaches: 你输入的文字和它所列的模型，没有列出其他内容

Hugging Face 上的数据（2026年11月13日）

• 点赞：0
• 构建方式：streamlit
• 许可证：cc-by-nc-sa-4.0

链接

• Space：https://huggingface.co/spaces/kingfisher/ner-demo
• 文件：https://huggingface.co/spaces/kingfisher/ner-demo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。