Logo
Project Icon

bcms-bertic-ner

BERTić微调模型实现BCMS语言的高效命名实体识别

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。

访问官网访问官网HuggingfaceHuggingface文档文档论文论文
介绍相关项目
roberta-large-NER - XLM-RoBERTa大型模型用于多语言命名实体识别
GithubHuggingfaceXLM-RoBERTa人工智能命名实体识别多语言模型开源项目模型自然语言处理
XLM-RoBERTa-large模型基础上微调的多语言命名实体识别工具，支持100多种语言。在英语CoNLL-2003数据集上训练，可用于命名实体识别和词性标注等标记分类任务。该模型由Facebook AI研究团队开发，具有强大的跨语言能力，但存在潜在偏见和局限性。作为自然语言处理的重要工具，它为多语言文本分析提供了有力支持。
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。
xlm-roberta-large-ner-spanish - 基于XLM-Roberta-large的高性能西班牙语命名实体识别模型
CoNLL-2002GithubHuggingfaceXLM-RoBERTa命名实体识别开源项目模型自然语言处理西班牙语
xlm-roberta-large-ner-spanish是一个基于XLM-Roberta-large模型微调的西班牙语命名实体识别(NER)模型。该模型在CoNLL-2002数据集的西班牙语部分上训练，在测试集上实现了89.17的F1分数，展现出优秀的性能。此模型能够有效识别文本中的人名、地名、组织机构等命名实体，为西班牙语自然语言处理任务提供了有力工具。
camembert-ner - 基于camemBERT的高性能法语命名实体识别模型
GithubHuggingfaceNERcamemBERTwikiner_fr实体识别开源项目模型自然语言处理
camembert-ner是一个在wikiner-fr数据集上微调的法语命名实体识别模型。该模型在非正式文本如电子邮件和聊天记录中表现出色，尤其善于识别不以大写字母开头的实体。它能够识别人名、组织、地点和其他杂项实体，并可通过HuggingFace框架轻松集成。模型的整体F1分数为0.8914，其中人名识别准确率最高，达到0.9483。
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。
span-marker-bert-base-conll2002-es - 该模型在命名实体识别中实现高效精确识别
GithubHuggingfaceSpanMarkerbert-base-casedconll2002命名实体识别开源项目模型精度
该模型基于conll2002数据集训练，使用bert-base-cased编码器进行命名实体识别。精确度、召回率和F1评分分别为0.8331、0.8074和0.8201。支持直接推理和二次调优，同时具备良好的可读性和效率，是提升实体识别能力的有效工具。
xlm-roberta-large-ner-hrl - 十种多语言命名实体识别模型，覆盖高资源语言
GithubHuggingfacexlm-roberta-large-ner-hrl命名实体识别多语言开源项目数据集模型模型训练
此模型是基于xlm-roberta-large微调的命名实体识别模型，支持十大高资源语言：阿拉伯语、德语、英语、西班牙语、法语、意大利语、拉脱维亚语、荷兰语、葡萄牙语和中文。具备识别地点、组织和人物三类实体的功能。通过Transformers库的pipeline，可便捷地应用于NER任务。训练数据来自特定时间段的新闻文章，虽然适用于多种场景，但在不同领域的推广性有限。
hubert-base-cc - 先进的匈牙利语BERT模型在自然语言处理任务中表现卓越
BERT模型GithubHuggingfacehuBERT匈牙利语命名实体识别开源项目模型自然语言处理
huBERT-base-cc是专为匈牙利语设计的BERT模型，基于Common Crawl和匈牙利维基百科数据训练而成。该模型在分块和命名实体识别等任务中表现优异，超越了多语言BERT的性能。作为一个通用的自然语言处理工具，huBERT-base-cc为匈牙利语研究和应用提供了强大支持，在多个领域树立了新的基准。
xlm-roberta-base-ner-silvanus - 基于XLM-RoBERTa的多语言命名实体识别模型
GithubHuggingfaceNERXLM-RoBERTa命名实体识别多语言模型开源项目模型零样本迁移学习
该模型基于xlm-roberta-base在印尼NER数据集上微调而来，可从社交媒体文本中提取位置、日期和时间信息。虽然训练数据为印尼语，但通过零样本迁移学习，模型支持英语、西班牙语、意大利语和斯洛伐克语的信息提取。在验证集上，模型展现出91.89%的精确率、92.73%的召回率和92.31%的F1分数，显示了其在多语言命名实体识别任务中的有效性。
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。
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。

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