Project Icon

bert-ner-japanese

日本语固有表达识别,使用BERT模型实现

本项目利用BertForTokenClassification模型,实现高效的日本语固有表达识别,可识别八种类别,如人名、法人名和地名等,以满足多样化的语言处理需求。该项目基于东北大学的日本语BERT模型和stockmarkteam的Wikipedia数据集进行训练,通过安装transformers库等,即可实现快速识别,适合应用于IT和学术研究领域的文本分析。

pytorch-bert-crf-ner - PyTorch实现的BERT-CRF韩文命名实体识别器
BERTCRFGithubKoBERTNERPytorch开源项目
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。
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。
bert-base-multilingual-cased-ner-hrl - 基于mBERT的多语言命名实体识别模型覆盖10种主要语言
GithubHugging FaceHuggingfacebert-base-multilingual-cased命名实体识别多语言模型开源项目模型自然语言处理
bert-base-multilingual-cased-ner-hrl是一个多语言命名实体识别模型,基于mBERT微调而来。该模型支持阿拉伯语、德语等10种主要语言,能够识别地点、组织和人名。模型通过聚合多语种新闻数据集训练,适用于广泛的NER任务,但在特定领域可能存在局限性。使用简单,可通过Transformers库快速部署。模型可通过Hugging Face的Transformers库轻松集成到各种NLP项目中,适用于多语言文本分析、信息提取等任务。然而,由于训练数据限制,在非新闻领域的表现可能需要进一步评估。
bert-classification-tutorial - BERT与Transformers库实现的新闻文本分类项目
BERTGithub开源项目文本分类深度学习自然语言处理预训练语言模型
这是一个基于BERT模型的现代化文本分类实现项目。项目采用最新的Python、PyTorch和Transformers库,为自然语言处理任务提供了高质量模板。完整流程涵盖数据准备、模型训练和评估,并具有清晰的代码结构和详细说明。虽然主要针对livedoor新闻语料库的分类任务,但也易于适应其他文本分类需求。
ChineseNER - 多模型支持的中文命名实体识别开源项目
Github中文NER命名实体识别多任务学习开源项目深度学习模型词汇增强
这是一个开源的中文命名实体识别项目,集成了多种深度学习模型。从BiLSTM-CRF到BERT-BiLSTM-CRF,再到多任务学习模型,涵盖了NER领域的主流算法。项目特色包括词汇增强、数据增强和MRC框架等创新功能。同时提供了完整的训练、评估流程和Docker部署方案,便于研究者和开发者使用。项目集成了从BiLSTM-CRF到BERT系列的多种NER模型,并创新性地引入词汇增强、数据增强和MRC框架等技术。不仅提供了详细的模型训练和评估指南,还支持Docker部署,方便研究人员和工程师快速应用到实际场景中。
deberta-v2-large-japanese-char-wwm - 基于DeBERTa V2的大规模日语预训练语言模型
DeBERTa V2GithubHuggingface字符级tokenization开源项目日语模型自然语言处理预训练模型
deberta-v2-large-japanese-char-wwm是一个基于DeBERTa V2架构的日语预训练语言模型。它采用字符级分词和全词遮蔽技术,在171GB的日语语料库上训练而成。该模型支持掩码语言建模等任务,可直接处理原始文本。经26天训练后,模型在掩码语言建模评估集上达到79.5%的准确率,为日语自然语言处理研究和应用提供了强大工具。
bert-base-swedish-cased-ner - BERT基础的瑞典语命名实体识别模型
ALBERTBERTGithubHuggingface命名实体识别开源项目模型瑞典语言模型自然语言处理
bert-base-swedish-cased-ner是瑞典国家图书馆开发的瑞典语命名实体识别模型。该模型基于BERT架构,使用大规模瑞典语语料库训练,并在SUC 3.0数据集上微调。它可识别人名、地点、组织等实体类型,支持瑞典语自然语言处理任务。研究人员可通过Hugging Face Transformers库调用此模型进行命名实体识别。
transformers-ud-japanese-electra-base-ginza-510 - 基于ELECTRA的日语自然语言处理模型
ELECTRAGithubHuggingfaceMIT许可证句法结构开源项目数据集模型
项目基于ELECTRA模型与spaCy v3,预训练与微调来源于mC4数据集的2亿句日语文本,通过UD_Japanese_BCCWJ r2.8增强。Python包ja_ginza_electra通过识别日语短语结构提升自然语言处理能力,遵循MIT许可证,适合开发者和研究人员使用。
bcms-bertic-ner - BERTić微调模型实现BCMS语言的高效命名实体识别
BERTićGithubHuggingface命名实体识别巴尔干语言开源项目机器学习模型自然语言处理
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。
clip-japanese-base - 日语CLIP模型,支持图像和文本的零样本分类与检索
BERTCLIPGithubHuggingface图像分类开源项目文本检索模型视觉任务
该日语CLIP模型由LY Corporation开发,通过大约10亿对图文数据进行训练,适用于图像和文本的零样本分类与检索。该模型采用Eva02-B作为图像编码器,并使用12层BERT作为文本编码器。模型在图像分类中的准确率达到0.89,检索召回率为0.30。在评估中,使用了STAIR Captions和ImageNet-1K等数据集,表现优秀。模型已开源,遵循Apache 2.0协议。
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。

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