Logo
Project Icon

bert-base-turkish-uncased

巴伐利亚州立图书馆开源的土耳其语预训练BERT模型

BERT开源项目自然语言处理深度学习模型Github土耳其语Hugging FaceHuggingface

巴伐利亚州立图书馆MDZ团队开发的土耳其语BERT模型，基于35GB语料库训练而成，涵盖OSCAR、维基百科及OPUS等多个数据集，包含44亿个标记。该模型采用Google TPU v3-8进行200万步训练，完全兼容PyTorch-Transformers框架，可应用于词性标注、命名实体识别等土耳其语自然语言处理任务。

GithubGithubHuggingfaceHuggingface
介绍相关项目
bert-base-spanish-wwm-cased - 基于大规模语料库训练的西班牙语BERT模型
BETOGithubHuggingface基准测试开源项目模型自然语言处理西班牙语预训练模型
BETO是一个基于大规模西班牙语语料库训练的BERT模型，采用全词遮蔽技术，提供uncased和cased两个版本。在词性标注、命名实体识别和文本分类等多项西班牙语基准测试中，BETO表现优于多语言BERT。研究者可通过Hugging Face Transformers库轻松使用该模型，为西班牙语自然语言处理研究和应用提供有力支持。
wav2vec2-xls-r-300m-cv7-turkish - 基于Wav2vec2优化的土耳其语语音识别模型
Common VoiceGithubHuggingfacewav2vec2-xls-r-300m土耳其语开源项目机器学习模型模型语音识别
该模型是在wav2vec2-xls-r-300m基础上针对土耳其语优化的自动语音识别系统。通过Common Voice 7和MediaSpeech数据集训练，结合N-gram语言模型，在Common Voice 7测试集上实现8.62%词错误率和2.26%字符错误率。模型为土耳其语语音识别提供了高效可靠的开源解决方案，适用于多种语音识别场景。
bert-base-multilingual-cased - BERT多语言预训练模型覆盖104种语言
BERTGithubHuggingface多语言模型开源项目模型深度学习自然语言处理预训练
bert-base-multilingual-cased是基于104种语言Wikipedia数据预训练的BERT模型。通过掩码语言建模和下一句预测实现自监督学习，可用于微调多种NLP任务。该模型支持多语言处理，适用于序列分类、标记分类和问答等应用，为NLP研究和开发提供了强大的多语言基础。
bert-base-NER-uncased - BERT基础模型应用于命名实体识别的开源项目
GithubHuggingfaceMIT许可证免责条款开源许可开源项目模型版权声明软件分发
该项目基于BERT的bert-base-uncased模型，通过微调实现了命名实体识别(NER)功能。模型能有效识别文本中的实体，支持多种语言和实体类别，包括人名、地名、组织机构等。在多个NER数据集上展现了优异性能，模型参数规模约1.1亿。项目为自然语言处理研究人员和开发者提供了一个强大的工具，可用于提取各类文本中的关键实体信息，适用于信息抽取、问答系统等多种应用场景。
bert-base-vietnamese-uncased - 增强越南语文本分析的BERT语言模型
BERTGithubHuggingfacetrituenhantao.io开源项目模型筛选分类越南语
该BERT模型专为越南语的新闻和维基百科数据而设计，适用于序列分类任务。用户可以通过Python代码轻松导入和使用，提升文本分析和自然语言处理的效率。由trituenhantao.io团队于2020年发布在GitHub，用户可以轻松访问到详细的文档和支持。此模型为自然语言处理和机器学习研究者及开发者提供了强大可靠的工具。
gbert-base - 基于维基百科训练的高性能德语BERT预训练模型
BERTGithubHaystackHuggingface开源项目德语模型机器学习模型自然语言处理
gbert-base是一款德语BERT预训练模型，由原始German BERT与dbmdz BERT团队于2020年10月联合发布。模型使用维基百科、OPUS和OpenLegalData数据集进行训练，在GermEval18和GermEval14基准测试中取得了显著优于前代模型的性能表现。作为开源项目，该模型采用MIT许可证，可用于多种德语自然语言处理应用场景。
bert-large-uncased - 大规模无大小写区分BERT自然语言处理预训练模型
BERTGithubHuggingface开源项目掩码语言模型模型深度学习自然语言处理预训练模型
bert-large-uncased是基于大规模英文语料预训练的自然语言处理模型。通过掩码语言建模和下一句预测任务,模型学习了双向语言表示。它拥有24层结构、1024维隐藏层和16个注意力头,总计336M参数。该模型适用于序列分类、标记分类和问答等下游任务的微调,也可直接用于掩码填充或作为特征提取器。
bert-base-chinese - BERT预训练模型在中文自然语言处理中的应用
BERTGithubHuggingface中文模型开源项目掩码语言模型模型自然语言处理预训练
bert-base-chinese是一个专为中文自然语言处理设计的预训练BERT模型。该模型采用独立字词片段随机掩码训练方法，适用于掩码语言建模等任务。由HuggingFace团队开发，拥有12层隐藏层和21128词汇量。虽然可能存在潜在偏见，但为中文NLP应用提供了有力支持。研究人员可通过简洁的Python代码快速应用此模型。
bert-base-spanish-wwm-uncased - BETO：基于BERT架构的西班牙语预训练模型
BERTGithubHuggingface开源项目机器学习模型自然语言处理西班牙语预训练模型
BETO是基于BERT架构的西班牙语预训练模型，在大规模西班牙语语料库上训练。模型提供大小写敏感和不敏感两个版本，在POS标注、命名实体识别和文本分类等多项西班牙语NLP基准测试中表现优异。BETO采用31k BPE子词词表，训练2M步，可通过Hugging Face Transformers库使用。这一模型为西班牙语自然语言处理研究和应用提供了有力支持。
bert-base-arabic-camelbert-da-sentiment - CAMeLBERT-DA阿拉伯语情感分析模型
CAMeLBERT-DAGithubHuggingface开源项目情感分析模型自然语言处理阿拉伯语预训练语言模型
CAMeLBERT-DA情感分析模型是基于阿拉伯方言预训练模型微调而成。该模型利用ASTD、ArSAS和SemEval数据集进行了fine-tuning，可通过CAMeL Tools或transformers pipeline轻松集成使用。模型支持对阿拉伯语文本进行积极和消极的二分类情感分析。这一成果对研究阿拉伯语言模型的变体、规模和任务类型之间的相互作用具有重要意义。
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