indobert-model-ner

IndobertNER：基于BERT的印度尼西亚语命名实体识别模型

模型模型微调 Github 开源项目 Huggingface 命名实体识别自然语言处理深度学习 IndoBERT

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。

访问官网

Huggingface

介绍相关项目

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。

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。

phibert-finetuned-ner - 微调生物文本识别的新模型提升精度与准确性

Adam优化器GithubHuggingfacephibert-finetuned-ner召回率开源项目模型精确度训练损失

phibert-finetuned-ner模型是通过微调dmis-lab的biobert-v1.1而实现的，旨在提高生物文本识别领域的精度和准确性。其在评估数据集上取得了精度0.9238和准确性0.9950。此模型适用于生物医学领域的命名实体识别，优化过程中采用了Adam优化器和线性学习率调度策略，在3个训练纪元中实现了低损失与高精确度。

bert-base-parsbert-ner-uncased - ParsBERT-NER：高性能波斯语命名实体识别模型

BERTGithubHuggingface命名实体识别开源项目机器学习模型波斯语自然语言处理

ParsBERT-NER是一个专门用于波斯语命名实体识别的预训练模型。该模型基于BERT架构，在ARMAN和PEYMA数据集上进行微调，支持识别组织、地点、人名等多种实体类型。在多个波斯语NER基准测试中，ParsBERT-NER展现出卓越性能，F1分数最高达98.79%。研究人员和开发者可通过Hugging Face Transformers库轻松使用这一模型进行波斯语自然语言处理任务。

bert-ner-japanese - 日本语固有表达识别，使用BERT模型实现

BERTGithubHuggingface固有表现抽取开源项目日本机器学习模型自然语言处理

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。

distilbert-base-cased-finetuned-conll03-english - 基于DistilBERT的英语命名实体识别模型

CoNLL-2003DistilBERTGithubHuggingface命名实体识别开源项目模型自然语言处理迁移学习

这是一个基于distilbert-base-cased模型微调的英语命名实体识别(NER)工具。该模型在conll2003英语数据集上训练，对大小写敏感，在验证集上达到98.7%的F1分数。它能够有效识别和分类文本中的人名、地名和组织名等命名实体，为各种自然语言处理任务提供支持。

indonesian-sbert-large - 印尼语句向量模型实现语义搜索和文本聚类

GithubHuggingFaceHuggingfacesentence-transformers向量嵌入开源项目模型自然语言处理语义相似度

indonesian-sbert-large是一个基于sentence-transformers的印尼语句向量模型，可将文本映射至1024维向量空间。该模型支持语义搜索和文本聚类等任务，提供了sentence-transformers和HuggingFace Transformers两种使用方式的代码示例。模型还包含评估结果和训练参数等技术细节，适用于处理印尼语自然语言处理任务的开发者和研究人员。

InLegalBERT - 印度法律领域预训练语言模型

GithubHuggingfaceInLegalBERT印度法律开源项目模型法律文本预训练法律领域自然语言处理

InLegalBERT是一个针对印度法律领域的预训练语言模型，基于540万份印度法院文件训练而成。该模型涵盖1950年至2019年间的多个法律领域，在法律条文识别、语义分割和法院判决预测等任务中表现优异。作为印度法律自然语言处理研究的基础工具，InLegalBERT为该领域的发展提供了有力支持。

bert-spanish-cased-finetuned-ner - 西班牙语BERT模型微调用于命名实体识别

BETOGithubHuggingfaceNER开源项目模型精调西班牙语

通过微调，西班牙语BERT cased模型被优化用于命名实体识别任务。使用CONLL Corpora ES数据集，训练数据包含8700条实例，开发数据2200条。在评估集上F1得分为90.17，表现优于其他多语种和TinyBERT模型。采用Huggingface工具包，便于快速应用。

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。

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