nbailab-base-ner-scandi

斯堪的纳维亚语言的命名实体识别模型

数据集 Github 开源项目命名实体识别模型性能 ScandiNER Huggingface 北欧语言模型

这个模型是NbAiLab/nb-bert-base的精调版本，适用于丹麦语、挪威语、瑞典语、冰岛语和法罗语的命名实体识别（NER）。通过整合DaNE、NorNE、SUC 3.0和WikiANN的一些数据集，模型可以提供高精度的NER结果，并支持多种语言包括英语。识别的实体类型包括人名、地名、组织名及其他类别。模型以Micro-F1得分约为89%的表现，以及4.16样本/秒的处理速度表现出色，同时模型体积合理，带来好的准确性和效率平衡。

Huggingface

介绍相关项目

scandi-nli-large - 北欧语言自然语言推理模型的性能分析

GithubHuggingfaceScandiNLI丹麦语开源项目挪威语模型瑞典语自然语言推理

该模型针对丹麦语、挪威语和瑞典语进行了自然语言推理微调，适用于零样本分类任务，拥有多个版本。大模型在语言任务中成绩突出，MCC为73.70%，F1分数为74.44%，准确率达83.91%。基于NbAiLab/nb-bert-large模型，并综合多语言NLI数据集进行训练，实现了对北欧语言的全面支持，适用于多语言自然语言处理。

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。

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。

bert-base-swedish-cased - 瑞典国家图书馆发布的BERT预训练语言模型用于提升瑞典语文本处理

GithubHuggingfaceHuggingface TransformersSwedish BERT命名实体识别开源项目模型瑞典文献预训练语言模型

瑞典国家图书馆推出的预训练BERT和ALBERT语言模型，适用于瑞典语文本处理。bert-base-swedish-cased采用标准参数优化，适合各种文本源；bert-base-swedish-cased-ner专注于命名实体识别；albert-base-swedish-cased-alpha为尝试版ALBERT模型。全部模型支持大小写区分与整体词遮盖功能，并提供PyTorch版本供下载。

distilbert-base-multilingual-cased-ner-hrl - DistilBERT微调的10语种命名实体识别模型

DistilBERTGithubHugging FaceHuggingface命名实体识别多语言模型开源项目模型自然语言处理

这是一个基于DistilBERT微调的多语言命名实体识别模型，支持10种高资源语言。模型能够识别位置、组织和人名实体，适用于阿拉伯语、德语、英语等多种语言。它使用各语言的标准数据集训练，可通过Transformers库轻松调用。尽管在多语言NER任务中表现优秀，但在特定领域应用时可能存在局限性。

bert-base-NER - 基于BERT的高性能命名实体识别模型用于精准NER任务

BERTCoNLL-2003GithubHuggingface命名实体识别开源项目机器学习模型自然语言处理

bert-base-NER是一个基于BERT的预训练模型，专门用于命名实体识别任务。该模型在CoNLL-2003数据集上进行微调，能够识别地点、组织、人名和杂项四类实体。在NER任务中，bert-base-NER展现出优秀性能，F1分数达92.59%。模型提供简洁接口，可广泛应用于各类自然语言处理场景。

ner-bert-german - 基于BERT的德语命名实体识别模型实现精准NER分析

BERTGithubHuggingface命名实体识别开源项目德语机器学习模型自然语言处理

该模型通过对bert-base-multilingual-cased进行微调，实现德语文本中位置、组织和人名的识别。模型在wikiann数据集训练后，总体F1分数达0.8829，在人名实体识别方面表现尤为出色。模型使用Adam优化器和线性学习率调度器，经7轮训练完成。

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。

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。

distilbert-NER - 一个精简、高效的命名实体识别模型

AI模型CoNLL-2003DistilBERTGithubHuggingfacedistilbert-NER命名实体识别开源项目模型

distilbert-NER是DistilBERT的精简版本，专为命名实体识别（NER）任务优化，能够识别地点、组织、人物等实体。相比BERT，参数更少，具备更小的模型体积和更高的速度，并在CoNLL-2003数据集上精细调优，具备良好的精度和性能。

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。

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