Logo
Project Icon

bert-fa-base-uncased

波斯语领域预训练的单语言Transformer模型

开源项目情感分析模型ParsBERTGithubHuggingface命名实体识别预训练语言模型

ParsBERT是一个基于Transformer架构的波斯语单语言模型，通过大规模波斯语料库预训练，能够处理情感分析、文本分类及命名实体识别等任务。ParsBERT v2.0通过词汇表重构和新波斯语料库微调，在多项任务中表现优于多语言BERT和其他模型，提升了波斯语语言处理的效果。该模型支持掩码语言建模和后续任务微调，用户可在Hugging Face平台获取不同任务的微调版本。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
bert-base-parsbert-uncased - 基于BERT的波斯语自然语言处理模型ParsBERT
BERTGithubHuggingfaceParsBERT开源项目模型波斯语言模型深度学习自然语言处理
ParsBERT是一个基于BERT架构的波斯语预训练模型，使用超过200万份多样化文档构建而成。该模型在情感分析、文本分类和命名实体识别等任务中表现卓越，优于多语言BERT等其他模型。ParsBERT采用全词遮蔽策略，为波斯语自然语言处理研究奠定了坚实基础，推动了相关技术的发展。
bert-fa-base-uncased-ner-peyma - 基于BERT的波斯语命名实体识别模型ParsBERT
GithubHuggingfaceParsBERTTransformer命名实体识别开源项目模型波斯语自然语言处理
ParsBERT是一个用于波斯语命名实体识别(NER)的开源模型。该模型基于BERT架构,在PEYMA数据集上训练,可识别7类命名实体。在PEYMA测试集上,ParsBERT实现了93.40%的F1分数,超越了此前的模型。研究者可通过Hugging Face Transformers库便捷地应用此模型进行波斯语NER任务。
bert-fa-base-uncased-sentiment-deepsentipers-binary - 波斯语情感分析优化：ParsBERT v2.0项目
DeepSentiPersDigikalaGithubHuggingfaceParsBERTSnappFood开源项目情感分析模型
该项目专注于ParsBERT v2.0在波斯语情感分析中的表现，通过更新词汇表和微调训练数据集，如Digikala、SnappFood和DeepSentiPers，实现文本情感的多类别及二元分类测试，其中去除了中性类别。ParsBERT v2在测试中展现出优秀的性能，为研究人员提供了有效的工具。用户可访问相关链接下载数据集，并通过文档获取更详细的使用说明和项目动态。
bert-base-parsbert-ner-uncased - ParsBERT-NER：高性能波斯语命名实体识别模型
BERTGithubHuggingface命名实体识别开源项目机器学习模型波斯语自然语言处理
ParsBERT-NER是一个专门用于波斯语命名实体识别的预训练模型。该模型基于BERT架构，在ARMAN和PEYMA数据集上进行微调，支持识别组织、地点、人名等多种实体类型。在多个波斯语NER基准测试中，ParsBERT-NER展现出卓越性能，F1分数最高达98.79%。研究人员和开发者可通过Hugging Face Transformers库轻松使用这一模型进行波斯语自然语言处理任务。
bert-fa-base-uncased-sentiment-snappfood - ParsBERT波斯语评论情感分析模型
GithubHuggingfaceParsBERTSnappFood人工智能开源项目情感分析模型自然语言处理
ParsBERT波斯语情感分析模型针对SnappFood外卖平台的用户评论进行情感分类。该模型基于ParsBERT v2.0架构，使用7万条标注数据训练，可将评论准确分类为正面或负面情绪。模型在测试中实现87.98%的F1分数，并提供Colab环境供开发者使用。
bert-base-arabertv02 - AraBERT：用于阿拉伯语理解的高性能预训练模型
AraBERTBERTGithubHuggingface开源项目模型自然语言处理阿拉伯语预训练语言模型
AraBERT是一系列基于BERT架构的阿拉伯语预训练语言模型。其中bert-base-arabertv02版本使用了77GB的大规模语料库进行训练，包含200M句子和8.6B词。这些模型在情感分析、命名实体识别和问答等多项任务中表现出色。AraBERT提供多个版本，包括base和large尺寸，以及预分割和未分割文本的变体，以满足不同应用需求。模型的优化和多样化为阿拉伯语自然语言处理研究和应用提供了有力支持。
bert-base-arabert - AraBERT阿拉伯语言理解预训练模型
AraBERTGithubHuggingface开源项目机器学习模型自然语言处理语料库阿拉伯语言模型
AraBERT是一个阿拉伯语言理解预训练模型系列，提供从基础到大型等多个版本。模型基于超过77GB的阿拉伯语语料库训练，适用于情感分析、命名实体识别和问答等任务，支持主流深度学习框架。
bert-base-arabic - 阿拉伯语BERT基础模型为自然语言处理提供强大支持
BERTGithubHuggingface开源项目机器学习模型自然语言处理阿拉伯语预训练模型
bert-base-arabic是一个在95GB阿拉伯语文本上预训练的BERT基础语言模型。该模型包含OSCAR和维基百科的阿拉伯语数据，支持现代标准阿拉伯语和部分方言。它适用于多种自然语言处理任务，可通过Hugging Face的transformers库轻松调用。这一模型为阿拉伯语NLP研究和应用提供了有力支持，推动了相关领域的发展。
bert-base-polish-cased-v1 - 专门针对波兰语的BERT预训练基础模型
BERTGithubHuggingface开源项目机器学习模型波兰语自然语言处理语言模型
bert-base-polish-cased-v1作为专门针对波兰语开发的BERT预训练语言模型，通过HuggingFace transformers库提供，采用了全词掩码技术，支持大小写敏感。模型训练语料包含经过去重的OpenSubtitles数据集、ParaCrawl语料库、波兰议会语料库和波兰维基百科等资源。在KLEJ基准测试中展现出良好的波兰语理解效果，特别适合序列分类和标记分类等自然语言处理任务。
bert-base-arabertv2 - 阿拉伯语自然语言预训练模型 支持多任务场景应用
AraBERTGithubHuggingface开源项目机器学习模型自然语言处理阿拉伯语预训练模型
AraBERTv2是一个阿拉伯语自然语言处理模型，基于200M句子数据集训练，支持情感分析、命名实体识别和智能问答等应用场景。模型采用Farasa分词技术优化词汇处理，通过Hugging Face平台提供PyTorch、TensorFlow等多框架版本。在多项基准测试中，该模型展现出较好的语言理解能力。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号