Project Icon

pytorch-bert-crf-ner

PyTorch实现的BERT-CRF韩文命名实体识别器

该项目是一个用PyTorch实现的BERT和CRF结合的韩文命名实体识别器,适用于PyTorch v1.2及Python 3.x环境。通过实际案例和详细日志展示该识别器的使用方法及其高效的韩文命名实体识别能力。借助于SKTBrain的KoBERT模型,本项目实现了容易上手的BERT-CRF命名实体识别系统。

bert-medium-mnli - Pytorch平台上的MNLI任务BERT预训练模型
BERTGithubHuggingfaceMNLIPytorch开源项目模型论文预训练模型
本项目提供基于Pytorch、从Tensorflow检查点转换而来的BERT预训练模型,专门用于MNLI任务。此BERT变体在Google官方库的基础上,经过四轮训练,在MNLI和MNLI-mm测试中表现分别为75.86%和77.03%。项目着重展示紧凑模型在预训练中的有效性,更多信息及原始实现可访问相关GitHub库,重点在于轻量化处理及自然语言推理的应用潜力。结合最新研究成果,此预训练模型为自然语言理解提供了高效解决方案,显著改善文本分类性能。
bert-base-uncased-conll2003 - 基于BERT的CoNLL-2003数据集命名实体识别模型
BERTCoNLL-2003GithubHuggingface命名实体识别开源项目模型模型微调自然语言处理
此模型是基于bert-base-uncased在CoNLL-2003数据集上微调的命名实体识别模型。经过2轮训练,模型在测试集上展现出优秀性能:精确率达0.8885,召回率为0.9046,F1分数为0.8965,准确率高达0.9781。模型采用Adam优化器和线性学习率调度器,为NLP领域提供了一个高效的命名实体识别解决方案。
ner-bert-base-cased-pt-lenerbr - 葡萄牙语法律文本的BERT命名实体识别模型
BERTGithubHuggingfaceLeNER-BrNER开源项目模型法律领域葡萄牙语
这是一个针对葡萄牙语法律文本的命名实体识别模型,基于BERT架构在LeNER-Br数据集上微调而来。模型在测试集上取得了89.26%的F1分数,可识别多种法律实体类型,包括判例、法规、组织机构等。该模型为葡萄牙语法律文本分析提供了有力支持,可通过HuggingFace平台或Python代码进行使用。
KeyBERT - BERT驱动的智能关键词提取工具
BERT嵌入GithubKeyBERT关键词提取开源项目机器学习自然语言处理
KeyBERT是一款利用BERT嵌入技术的关键词提取工具。它通过计算文档和短语的嵌入表示之间的余弦相似度,识别出最能代表文档内容的关键词和短语。该工具支持Sentence-Transformers、Flair和Spacy等多种嵌入模型,适用于广泛的文本分析场景。KeyBERT还集成了Max Sum Distance和Maximal Marginal Relevance等算法,以提升结果多样性。此外,它还能与大型语言模型协同工作,为用户提供灵活高效的关键词提取方案。
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。
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
Bengali Named Entity RecognitionF1评分GithubHuggingfaceWikiann多语言开源项目模型精调
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。
indobert-model-ner - IndobertNER:基于BERT的印度尼西亚语命名实体识别模型
GithubHuggingfaceIndoBERT命名实体识别开源项目模型模型微调深度学习自然语言处理
IndobertNER是基于indolem/indobert-base-uncased模型微调的印度尼西亚语命名实体识别模型。在评估集上,该模型展现出优秀性能,精确率达0.8307,召回率为0.8454,F1分数为0.8380。模型训练采用Adam优化器,使用线性学习率调度器,经过10轮迭代。虽然目前缺乏具体应用指南,但IndobertNER在印度尼西亚语自然语言处理领域具有广阔应用前景。
labse_bert - 多语言BERT句子嵌入模型及其应用
GithubHuggingfaceLABSE BERT句子嵌入多语言处理开源项目模型模型应用自然语言处理
LaBSE BERT是一种语言无关的句子嵌入模型,由Fangxiaoyu Feng等人开发并在TensorFlow Hub上提供。该模型能够将文本转换为高效的向量表示,适用于多语言文本处理。利用AutoTokenizer和AutoModel加载模型,并通过mean_pooling方法获取句子嵌入,以增强文本分析和信息检索等领域的性能。使用PyTorch实现编码和处理,多语言文本分析更加轻松。
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。
chatbot-bert-classification - 基于BERT的聊天机器人文本分类模型
Apache 2.0GithubHuggingface代码共享开源协议开源许可开源项目模型软件许可
这是一个应用BERT模型进行聊天机器人文本分类的开源项目。该项目利用先进的自然语言处理技术,实现对用户输入文本的准确分类,帮助开发者构建智能对话系统。项目采用Apache-2.0许可证,为开发者提供了灵活的使用权限。
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

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。

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