Project Icon

ZeroShotBioNER

高效生物医学命名实体识别的突破性方法

ZeroShotBioNER是一种创新的生物医学命名实体识别模型,基于Transformer架构,支持零样本和少样本学习。该模型在25多个生物医学NER类别上训练,可识别疾病、化学物质、基因等多种实体。其突出优势在于能进行零样本推理,并仅需少量样本即可针对新类别进行微调。模型采用BioBERT架构,提供详细的使用说明和丰富的实体类别列表,为生物医学文本分析提供了强大工具。

universal_ner_ita - 意大利语命名实体识别,使用零样本学习适用于多领域
GLiNERGithubHugging FaceHuggingface命名实体识别开源项目意大利语模型零样本学习
该模型适用于意大利语命名实体识别,通过零样本学习实现对多种实体的识别,无需特定训练。可联系Michele Montebovi进行定制以提升性能。模型支持CPU运行并可通过浏览器直接体验。
DNABERT-2-117M - 多物种基因组分析的先进Transformer模型
DNABERT-2GithubHuggingface医学基因组开源项目模型深度学习生物学
DNABERT-2-117M是一个创新的多物种基因组分析工具,基于先进的Transformer架构。它整合了MosaicBERT技术,实现了DNA序列的高效嵌入计算。用户可以通过简单的Python代码调用模型,获取DNA序列的向量表示。这一功能为生物信息学和医学基因组学研究提供了强大支持,有望推动多种基因组分析任务的进展。
NuNER-multilingual-v0.1 - 支持九种以上语言的高性能多语言实体识别系统
GithubHuggingfaceMultilingual BERTNLPNuMind多语言模型实体识别开源项目模型
NuNER-multilingual-v0.1作为一个多语言实体识别系统,通过对多语言BERT模型进行优化,实现了对英语、法语等9种以上语言的支持。系统基于Oscar数据集训练,具备跨领域和跨语言的实体识别能力。在性能测评中,其F1宏观指标相比基础mBERT有明显提升,单层嵌入达到0.5892,双层嵌入达到0.6231的水平。该系统可直接使用或根据具体需求进行定制化训练。
zero_nlp - 中文NLP训练与应用框架
Githubpytorchzero_nlp中文NLP大模型开源项目模型训练
zero_nlp是基于pytorch和transformers的中文NLP框架,支持从数据处理到模型部署的整个工作流程。它特别适用于处理大数据集、训练和部署多卡串联大模型,支持包括gpt2、clip在内的丰富模型类型,适用于文本分类、生成及多模态处理等多种任务。
bert4ner-base-chinese - 基于BERT的中文命名实体识别模型,具备高精度性能
BertSoftmaxGithubHuggingfacePEOPLEbert4ner中文实体识别开源项目模型
bert4ner-base-chinese项目是一个基于BERT的中文命名实体识别模型,在人民日报数据集上取得了高精度表现。通过BertSoftmax网络结构,能够准确识别文本中的人名、时间等实体信息。可通过nerpy库调用该模型,也支持无外部依赖的直接调用方式,适用于各种自然语言处理应用。
bert-base-multilingual-cased-ner-hrl - 基于mBERT的多语言命名实体识别模型覆盖10种主要语言
GithubHugging FaceHuggingfacebert-base-multilingual-cased命名实体识别多语言模型开源项目模型自然语言处理
bert-base-multilingual-cased-ner-hrl是一个多语言命名实体识别模型,基于mBERT微调而来。该模型支持阿拉伯语、德语等10种主要语言,能够识别地点、组织和人名。模型通过聚合多语种新闻数据集训练,适用于广泛的NER任务,但在特定领域可能存在局限性。使用简单,可通过Transformers库快速部署。模型可通过Hugging Face的Transformers库轻松集成到各种NLP项目中,适用于多语言文本分析、信息提取等任务。然而,由于训练数据限制,在非新闻领域的表现可能需要进一步评估。
wikineural-multilingual-ner - 融合神经网络和知识库的多语言命名实体识别模型
GithubHuggingfaceWikiNEuRal命名实体识别多语言开源项目模型维基百科自然语言处理
WikiNEuRal是一个创新的多语言命名实体识别模型,基于自动生成的高质量数据集训练而成。该模型支持9种语言,通过结合神经网络和知识库方法,在标准NER基准测试中实现了显著突破,F1分数比现有系统提高了6个点。模型集成了Transformers库,便于快速部署和使用。尽管在百科全书类文本上表现出色,但对新闻等其他文体的泛化能力可能有限。
distilbert-base-multilingual-cased-ner-hrl - DistilBERT微调的10语种命名实体识别模型
DistilBERTGithubHugging FaceHuggingface命名实体识别多语言模型开源项目模型自然语言处理
这是一个基于DistilBERT微调的多语言命名实体识别模型,支持10种高资源语言。模型能够识别位置、组织和人名实体,适用于阿拉伯语、德语、英语等多种语言。它使用各语言的标准数据集训练,可通过Transformers库轻松调用。尽管在多语言NER任务中表现优秀,但在特定领域应用时可能存在局限性。
biomedical - 生物医学数据集库促进机器学习研究
BigBIOGithub开源项目数据标准化机器学习生物医学数据集自然语言处理
BigBIO是一个基于Huggingface datasets库开发的生物医学数据加载器库。该项目提供超过126个生物医学数据集的轻量级访问,覆盖10余种语言和12个任务类别。BigBIO致力于提高数据处理的可重复性,完善数据集来源和许可等属性的文档,并简化自然语言提示和多任务学习的元数据集生成。此外,BigBIO还支持多个主流英语生物医学基准测试中的大部分数据集。
gliner_large-v2.1 - 通用命名实体识别模型,适合资源有限的应用场景
GLiNERGithubHuggingface双向Transformer命名实体识别多语言开源开源项目模型
GLiNER是使用双向Transformer编码器的通用命名实体识别模型,能够识别多种实体类型。相比于传统NER模型和体积庞大的语言模型,GLiNER在资源有限的情况下表现出卓越的灵活性和效率。最新的GLiNER v2.1版本支持单语和多语模型,性能表现依旧出色。用户可以通过安装GLiNER Python库,将其方便地集成到项目中,适用于多种语言的文本预测任务。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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