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-mnli - RoBERTa大型模型微调的零样本分类模型
GithubHuggingfaceRoBERTa开源项目文本分类机器学习模型自然语言处理语言模型
roberta-large-mnli是基于RoBERTa大型模型在MNLI语料库上微调的自然语言推理模型。该模型在零样本分类任务中表现优异,适用于句对分类和序列分类。它采用transformer架构,通过掩码语言建模进行预训练,在GLUE和XNLI基准测试中成绩卓越。然而,用户需注意模型可能存在偏见,不适合生成事实性内容或用于可能造成负面影响的场景。
xlm-roberta-large-xnli - XLM-RoBERTa基于XNLI的多语言零样本文本分类模型
GithubHuggingfaceXLM-RoBERTa多语言开源项目文本分类模型自然语言推理零样本分类
xlm-roberta-large-xnli是一个基于XLM-RoBERTa大型模型微调的多语言自然语言推理模型。该模型支持15种语言的零样本文本分类,包括英语、法语和西班牙语等。经过XNLI数据集训练后,模型可用于跨语言文本分类任务。它提供简单的pipeline接口,便于进行多语言零样本分类。此模型适用于需要在多种语言中进行文本分类的应用场景,尤其适合非英语语言的分类任务。
xlm-roberta-base-language-detection - 多语言文本自动识别模型
GithubHuggingfaceXLM-RoBERTa多语言模型开源项目机器学习模型自然语言处理语言识别
这是一个基于XLM-RoBERTa模型微调的多语言文本分类工具,可识别20种语言,测试集准确率达99.6%。模型通过简单的pipeline API快速部署,适用于多语言环境下的自动语言检测。与基准模型相比,该工具在准确性和易用性方面均有提升,为自然语言处理应用提供了可靠的语言识别功能。
ner-german - 德语命名实体识别模型 集成Flair嵌入和LSTM-CRF技术
FlairGithubHuggingface命名实体识别序列标注开源项目德语模型自然语言处理
这是一个德语命名实体识别(NER)模型,基于Flair框架开发。模型可识别文本中的人名、地名、组织名和其他专有名词,在CoNLL-03德语修订版数据集上F1分数达87.94%。采用Flair嵌入和LSTM-CRF技术,提供高精度的德语NER功能。该模型易于使用,只需几行Python代码即可集成到NLP项目中。
nbailab-base-ner-scandi - 斯堪的纳维亚语言的命名实体识别模型
GithubHuggingfaceScandiNER北欧语言命名实体识别开源项目数据集模型模型性能
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。
ner-english-ontonotes - Flair框架英语命名实体识别模型支持18类实体
FlairGithubHuggingface命名实体识别序列标注开源项目机器学习模型自然语言处理
这是一个基于Flair框架的英语命名实体识别模型,能够识别18种实体类型,包括人名、地点和组织等。模型采用Flair embeddings和LSTM-CRF架构,在Ontonotes数据集上的F1分数为89.27%。该模型可应用于多种自然语言处理任务,并且可以通过简单的Python代码实现NER预测。
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。
gliner_multi-v2.1 - 多语言命名实体识别模型兼顾灵活性与资源效率
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是一种基于双向Transformer编码器的多语言命名实体识别模型,能够识别任意类型的实体。与传统NER模型和大型语言模型相比,GLiNER在保持性能的同时提高了资源效率。该模型提供多个版本,参数量介于166M至459M之间,支持英语和多语言处理,并采用Apache-2.0开源许可。GLiNER为资源受限的应用场景提供了一个实用的NER解决方案。
ner-french - 法语命名实体识别的开源Flair模型
FlairGithubHuggingface命名实体识别开源项目机器学习模型法语自然语言处理
这是一个基于Flair框架的法语命名实体识别开源模型。它可识别人名、地点、组织和其他四类实体,采用Flair嵌入和LSTM-CRF架构,在WikiNER数据集上F1分数达90.61%。开发者可通过Python和Flair库便捷地使用该模型进行法语文本的命名实体识别。模型支持简单的加载方式,适用于各种法语自然语言处理任务。
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。
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