bengali_language_NER

在Wikiann数据集上使用多语言BERT模型微调，实现孟加拉语实体识别

Github 开源项目 Bengali Named Entity Recognition 多语言 Huggingface Wikiann F1评分精调模型

该项目使用Wikiann数据集微调bert-base-multilingual-cased模型，实现孟加拉语命名实体识别。标签分类涵盖人物、组织、地点，高训练集F1分数达0.9979，测试集为0.9673，并提供实例代码，适合研究语言处理与语义分析的用户。

Huggingface

介绍相关项目

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。

phibert-finetuned-ner - 微调生物文本识别的新模型提升精度与准确性

Adam优化器GithubHuggingfacephibert-finetuned-ner召回率开源项目模型精确度训练损失

phibert-finetuned-ner模型是通过微调dmis-lab的biobert-v1.1而实现的，旨在提高生物文本识别领域的精度和准确性。其在评估数据集上取得了精度0.9238和准确性0.9950。此模型适用于生物医学领域的命名实体识别，优化过程中采用了Adam优化器和线性学习率调度策略，在3个训练纪元中实现了低损失与高精确度。

mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 - mDeBERTa-v3模型实现多语言自然语言推理和零样本分类

GithubHuggingfacemDeBERTa-v3多语言开源项目机器学习模型自然语言推理零样本分类

mDeBERTa-v3-base-xnli-multilingual-nli-2mil7是一个支持100种语言的自然语言推理和零样本分类模型。它基于mDeBERTa-v3-base架构,通过XNLI和multilingual-NLI-26lang-2mil7数据集微调,包含27种语言的270多万个文本对。该模型在XNLI和英语NLI测试中表现优异,展现出卓越的跨语言迁移能力,为多语言NLP任务提供了强大解决方案。

ner-english-ontonotes-fast - 基于Flair框架的英文命名实体识别模型

FlairGithubHuggingfaceOntonotes命名实体识别开源项目模型深度学习自然语言处理

基于Flair框架开发的英文命名实体识别模型，支持识别人名、地点、组织机构等18类实体。模型在Ontonotes数据集上F1分数达到89.3%，通过Python API可快速集成使用。适用于各类英文文本的命名实体识别任务。

biomedical-ner-all - 基于英语的生物医学实体识别AI模型

AIGithubHuggingfaceMaccrobatNamed Entity Recognitiontransformers库开源项目模型生物医学

该AI模型基于Maccrobat数据集训练，可以识别107种生物医学实体，适用于案例报告等文本工作。通过distilbert-base-uncased构建，拥有低碳排放（0.0279千克）和30.17分钟的训练时间。通过Huggingface API或transformers库，可便捷应用于生物医学领域；教程视频提供详细使用说明。

small-e-czech-finetuned-ner-wikiann - 捷克语命名实体识别模型精细化

GithubHuggingfacesmall-e-czech-finetuned-ner-wikiann开源项目数据集模型精度训练

这是一个基于Seznam/small-e-czech的微调模型，专用于wikiann数据集的捷克语命名实体识别。模型在精度、召回率和F1分数上分别达到0.8713、0.8970和0.8840，总体准确率为0.9557。项目采用Transformer、PyTorch等技术框架，使用线性学习率调度器，经过20个epoch的训练。适合需要捷克语文本命名实体识别的开发者和研究人员使用。

awesome-bangla - Bangla语言的计算工具与资源合集

BanglaBangla-KeyboardCorpusDatasetGithubNLP开源项目

这个项目集合了Bangla（孟加拉语）自然语言处理相关的各种工具、数据集和资源，旨在帮助研究人员和爱好者。内容涵盖输入法键盘、自然语言处理库、语音和文本数据集、词典与翻译工具、OCR/HTR工具、多模态工具，以及编程语言资源。为用户提供从打字工具到语音识别和情感分析等方面的应用支持。欢迎贡献，共同推动Bangla计算的发展。

ner-english - Flair框架英语命名实体识别模型准确率93%

FlairGithubHuggingface命名实体识别序列标注开源项目模型深度学习自然语言处理

该模型是Flair框架的标准英语命名实体识别(NER)模型，能识别人名、地名、组织名和其他名称四类实体。采用Flair嵌入和LSTM-CRF架构，在CoNLL-03数据集上F1分数达93.06%。用户可通过Flair库轻松加载使用。模型提供了详细的训练脚本和引用信息，方便研究人员进一步探索和引用。

indobert-base-uncased - 印尼语BERT模型提升NLP任务表现

GithubHuggingfaceIndoBERT印尼语句法分析开源项目情感分析模型语言模型

IndoBERT是为印尼语开发的BERT模型，经过2.4百万步的训练，使用了超过2.2亿字的数据来源于印尼维基百科与新闻和网络语料库。该模型在词性标注、命名实体识别等印尼语NLP任务中表现优异，表现高于其他模型。IndoBERT的卓越性能在印尼语基准测试IndoLEM中得到验证，并可通过transformers库加载使用。

ner-english-ontonotes - Flair框架英语命名实体识别模型支持18类实体

FlairGithubHuggingface命名实体识别序列标注开源项目机器学习模型自然语言处理

这是一个基于Flair框架的英语命名实体识别模型，能够识别18种实体类型，包括人名、地点和组织等。模型采用Flair embeddings和LSTM-CRF架构，在Ontonotes数据集上的F1分数为89.27%。该模型可应用于多种自然语言处理任务，并且可以通过简单的Python代码实现NER预测。

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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