Project Icon

xlm-roberta-base-ner-silvanus

基于XLM-RoBERTa的多语言命名实体识别模型

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。

roberta-es-clinical-trials-ner - 西班牙语临床试验文本的医学命名实体识别模型
GithubHuggingfaceUMLSroberta-es-clinical-trials-ner临床试验医学命名实体识别开源项目模型西班牙语
这是一个针对西班牙语临床试验文本的医学命名实体识别模型。它可以识别四类语义实体:解剖结构、化学物质、疾病和医疗程序。模型基于bsc-bio-ehr-es预训练模型微调而来,在评估集上展现出较高的准确率和F1值。目前该模型仍在开发中,主要用于分析临床试验相关文本,不适合直接应用于医疗决策。
bert4ner-base-chinese - 基于BERT的中文命名实体识别模型,具备高精度性能
BertSoftmaxGithubHuggingfacePEOPLEbert4ner中文实体识别开源项目模型
bert4ner-base-chinese项目是一个基于BERT的中文命名实体识别模型,在人民日报数据集上取得了高精度表现。通过BertSoftmax网络结构,能够准确识别文本中的人名、时间等实体信息。可通过nerpy库调用该模型,也支持无外部依赖的直接调用方式,适用于各种自然语言处理应用。
twitter-xlm-roberta-base-sentiment-finetunned - XLM-RoBERTa微调的多语言Twitter情感分析模型
GithubHuggingfaceXLM-Roberta多语言模型开源项目情感分类文本分类模型模型微调
该模型是Citizen Lab团队基于XLM-RoBERTa架构微调的多语言Twitter情感分类器。支持英语、荷兰语、法语等10种语言,可准确识别文本的正面、负面和中性情感。模型在F1分数和准确率方面表现出色,使用简单,适用于多种社交媒体情感分析场景。
ner-english-large - 基于FLERT技术的英语命名实体识别开源模型
FlairGithubHuggingface命名实体识别序列标注开源项目模型深度学习自然语言处理
ner-english-large是基于Flair框架的英语命名实体识别模型,采用FLERT技术和XLM-R嵌入。该模型可识别人名、地点、组织和其他实体,F1分数为94.36。它易于集成,适用于多种NLP任务,为研究人员和开发者提供了实用的英语文本分析工具。
mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 - mDeBERTa-v3模型实现多语言自然语言推理和零样本分类
GithubHuggingfacemDeBERTa-v3多语言开源项目机器学习模型自然语言推理零样本分类
mDeBERTa-v3-base-xnli-multilingual-nli-2mil7是一个支持100种语言的自然语言推理和零样本分类模型。它基于mDeBERTa-v3-base架构,通过XNLI和multilingual-NLI-26lang-2mil7数据集微调,包含27种语言的270多万个文本对。该模型在XNLI和英语NLI测试中表现优异,展现出卓越的跨语言迁移能力,为多语言NLP任务提供了强大解决方案。
ClinicalNER - 多语言临床命名实体识别模型 提取医疗文本中的药物和用药信息
GithubHuggingfaceMedNERFXLM-R临床命名实体识别医疗文本分析多语言模型开源项目模型
ClinicalNER是一个基于XLM-R Base的多语言临床命名实体识别模型,通过英语n2c2数据集微调。该模型能从医疗文本中提取药物、剂量、频率、持续时间、用量和剂型等实体信息。在法语评估测试集MedNERF上,ClinicalNER展现了优异的零样本跨语言迁移能力,micro-F1分数达0.804。支持英、法、德、西、意等多种语言,ClinicalNER为临床文本分析提供了实用的工具。
roberta-large-ontonotes5 - RoBERTa-large模型在OntoNotes 5数据集上的高性能命名实体识别微调版本
GithubHuggingfaceRoBERTaT-NER命名实体识别开源项目模型模型微调自然语言处理
这是roberta-large在OntoNotes 5数据集上的微调模型,专门用于命名实体识别任务。在测试集上,该模型达到了0.909的F1分数(微观)、0.905的精确度和0.912的召回率。模型采用CRF层,最大序列长度128,经过15轮训练。用户可通过tner库轻松应用此模型。它在多种实体类型识别中表现优异,尤其擅长识别地缘政治区域、组织和人物。
ner-german-large - Flair框架驱动的德语大规模命名实体识别模型
FlairGithubHuggingfaceNER开源项目德语命名实体识别机器学习模型自然语言处理
这是一个基于Flair框架的德语大规模命名实体识别(NER)模型。它可识别人名、地名、组织名和其他名称四类实体。模型结合了文档级XLM-R嵌入和FLERT技术,在CoNLL-03德语修订版数据集上获得92.31的F1分数。研究者可通过Flair库轻松调用此模型进行NER任务。项目同时提供了使用示例和训练脚本,便于进一步开发和优化。
xlm-roberta-xxl - 基于2.5TB数据训练的100语言自然语言处理模型
GithubHuggingfaceXLM-RoBERTa-XL多语言模型开源项目机器学习模型自然语言处理预训练模型
XLM-RoBERTa-XXL是一个基于2.5TB CommonCrawl数据预训练的多语言Transformer模型,支持100种语言的自然语言处理任务。通过掩码语言建模技术实现句子的双向表示学习,适用于序列分类、标记分类、问答等下游任务的微调,可应用于多语言文本分析和跨语言任务场景。
nb-bert-base-ner - 挪威语BERT命名实体识别模型 适用NorNE数据集
BERTGithubHuggingfaceNorNE命名实体识别开源项目挪威语模型自然语言处理
nb-bert-base-ner是一个基于BERT的挪威语命名实体识别模型,通过NorNE数据集微调而成。此模型能够识别挪威语文本中的人名、地名等命名实体。开发者可借助Hugging Face的transformers库轻松集成和使用,项目还提供了简洁的示例代码,便于快速实现挪威语命名实体识别功能。
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