bcms-bertic-ner

bcms-bertic-ner

BERTić微调模型实现BCMS语言的高效命名实体识别

bcms-bertic-ner是一个针对波斯尼亚语、克罗地亚语、黑山语和塞尔维亚语(BCMS)的命名实体识别模型。该模型基于BERTić架构,通过多个标准和社交媒体数据集进行微调,可识别人名、地点、组织和其他实体。在开发数据上,模型达到91.38的F1分数,为BCMS语言的自然语言处理任务提供了有力工具。

Huggingface模型机器学习命名实体识别Github开源项目自然语言处理BERTić巴尔干语言

bcms-bertic-ner项目介绍

bcms-bertic-ner是一个专门为波斯尼亚语、克罗地亚语、黑山语和塞尔维亚语(简称BCMS)进行命名实体识别(NER)任务而设计的模型。这个模型是在BERTić基础模型上进行微调得到的。BERTić模型的名称灵感来源于两个事实:一是该模型在克罗地亚的萨格勒布训练,那里流行使用以"-ić"结尾的指小词;二是在使用这些语言的国家中,大多数姓氏都以"-ić"结尾。

模型训练数据

该模型的微调过程使用了以下四个数据集:

  1. hr500k数据集:包含50万个标准克罗地亚语标记
  2. SETimes.SR数据集:包含8.7万个标准塞尔维亚语标记
  3. ReLDI-hr数据集:包含8.9万个来自互联网(Twitter)的克罗地亚语标记
  4. ReLDI-sr数据集:包含9.2万个来自互联网(Twitter)的塞尔维亚语标记

数据增强和模型性能

在训练过程中,研究人员对数据进行了增强处理,包括添加缺失的变音符号,并对标准数据进行了过度表示。在开发数据上(将训练集和测试集合并为训练集),模型achieved了91.38的F1分数。

模型应用

bcms-bertic-ner模型可以识别四种类型的命名实体:人名(PER)、地点(LOC)、组织(ORG)和其他杂项(MISC)。这使得该模型在处理BCMS语言的文本时,能够自动识别和标注这些重要的实体信息。

使用方法

研究人员可以使用simpletransformers库来运行这个模型。在使用时,需要正确设置标签的顺序。示例代码如下:

from simpletransformers.ner import NERModel, NERArgs model_args = NERArgs() model_args.labels_list = ['B-LOC','B-MISC','B-ORG','B-PER','I-LOC','I-MISC','I-ORG','I-PER','O'] model = NERModel('electra', 'classla/bcms-bertic-ner', args=model_args)

研究意义

bcms-bertic-ner项目的开发为BCMS语言的自然语言处理研究提供了重要工具。它不仅可以帮助研究人员更好地理解和分析这些语言的文本,还可以应用于各种实际场景,如信息提取、文本分类、问答系统等。这个项目的成功也为其他低资源语言的NLP研究提供了有价值的参考。

开源贡献

值得注意的是,bcms-bertic-ner模型采用Apache 2.0许可证开源。研究者在使用这个模型时,应当引用相关的研究论文,以此支持和鼓励开源社区的发展。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多