Project Icon

xlm-roberta-large-ner-hrl

十种多语言命名实体识别模型,覆盖高资源语言

此模型是基于xlm-roberta-large微调的命名实体识别模型,支持十大高资源语言:阿拉伯语、德语、英语、西班牙语、法语、意大利语、拉脱维亚语、荷兰语、葡萄牙语和中文。具备识别地点、组织和人物三类实体的功能。通过Transformers库的pipeline,可便捷地应用于NER任务。训练数据来自特定时间段的新闻文章,虽然适用于多种场景,但在不同领域的推广性有限。

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-english-ontonotes-large - Flair框架的大规模英语命名实体识别模型支持18种实体类型
FlairGithubHuggingface命名实体识别开源项目文本分类机器学习模型自然语言处理
ner-english-ontonotes-large是Flair框架中的大规模英语命名实体识别模型。该模型可识别18种实体类型,包括人名、地点和组织等,在Ontonotes数据集上F1分数达90.93%。模型基于文档级XLM-R嵌入和FLERT技术,通过简洁的Python代码即可调用。这一工具为各类自然语言处理任务提供了精准的命名实体识别功能。
xlm-roberta-xl - 基于2.5TB数据训练的100语种自然语言处理模型
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-XL是基于2.5TB CommonCrawl数据训练的大规模多语言模型,支持100种语言的自然语言处理。该模型采用掩码语言建模进行自监督学习,适用于序列分类、标记分类和问答等需要理解整句上下文的任务。XLM-RoBERTa-XL为多语言NLP研究和应用提供了强大的基础,但不适合文本生成类任务。
xlm-roberta-ner-japanese - 基于XLM-RoBERTa的日语命名实体识别模型
GithubHuggingfaceXLM-RoBERTa命名实体识别固有表现抽出开源项目日语模型模型自然语言处理
xlm-roberta-ner-japanese是一个基于xlm-roberta-base的日语命名实体识别模型。该模型利用日本维基百科数据集进行训练,能够识别8种实体类型,包括人名、组织和地点等。模型在验证集上实现了0.9864的F1分数。它提供了简洁的使用方法,便于集成到各类自然语言处理应用中,适用于日语文本的实体提取任务。
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。
xlm-roberta-large - 大规模多语言预训练模型
GithubHuggingfaceXLM-RoBERTa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是一个在2.5TB多语言数据上预训练的大型语言模型,覆盖100种语言。该模型采用掩码语言建模技术,能够生成双向文本表示。XLM-RoBERTa主要应用于序列分类、标记分类和问答等下游任务的微调。凭借其在多语言和跨语言任务中的出色表现,XLM-RoBERTa为自然语言处理领域提供了坚实的基础。
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。
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。
ner-spanish-large - 大规模西班牙语实体识别 精确识别四类标签
FlairGithubHuggingfaceXLM-R人工智能命名实体识别开源项目模型西班牙语
Flair西班牙语实体识别模型,采用XLM-R嵌入和FLERT技术,训练于CoNLL-03西班牙数据集,F1得分90.54。支持识别人名、地名、组织名及其他标签,适合需要文本上下文精确理解的应用。
gliner_multi - 灵活识别多语言实体的开源NER模型
GLiNERGithubHuggingface命名实体识别多语言模型开源项目机器学习模型自然语言处理
GLiNER-multi是一个基于双向Transformer架构的开源多语言命名实体识别模型。它能够灵活识别各种实体类型,填补了传统NER模型与大型语言模型之间的空白。该模型在Pile-NER数据集上训练,支持多语言处理,易于集成到不同的自然语言处理应用中。GLiNER-multi在保证性能的同时优化了模型规模,适用于计算资源有限的场景。
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