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。

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。
mmlw-roberta-large - 增强自然语言处理适用性的多任务学习模型
GithubHuggingfacesentence-transformers句子相似度开源项目文本分类模型特征提取聚类
该开源项目mmlw-roberta-large通过多任务学习提高了自然语言处理性能,尤其在句子相似性、分类和检索等任务上表现突出。模型适用于多种数据集,如MTEB AllegroReviews和MTEB ArguAna-PL,实现了较高的准确率和F1值。使用了sentence-transformers和transformers技术,确保在大规模数据集上的优异表现。
gliner_large-v1 - 资源友好的多实体识别模型,为多种应用场合提供灵活解决方案
GLiNERGithubHuggingfacePile-NER数据集双向变压器编码器命名实体识别开源项目模型模型训练
GLiNER是通过双向转换器编码器实现的命名实体识别模型,可识别多种实体类型。它是传统NER模型和大型语言模型这两者的高效替代,特别适合资源有限的场合。GLiNER在Pile-NER数据集上经过训练,具备灵活性且不受实体类型限制。用户可通过安装并导入GLiNER库轻松进行实体识别。
gliner_small-v2.1 - 基于双向Transformer的轻量级通用实体识别模型
GLiNERGithubHuggingface命名实体识别开源项目机器学习模型模型训练自然语言处理
gliner_small-v2.1是一个基于双向Transformer架构的命名实体识别模型,具备识别任意类型实体的能力。这款模型采用166M参数规模,在保持较小资源占用的同时提供灵活的实体识别功能。模型支持英语处理,采用Apache-2.0许可证开源发布。相比传统NER模型的固定实体类型限制和大语言模型的高资源消耗,该模型提供了一个平衡的解决方案。
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。
XLM-Roberta-Large-Vit-B-32 - 多语言CLIP模型的高性能文本编码器
CLIPGithubHuggingfaceXLM-Roberta图像编码器多语言开源项目文本编码器模型
XLM-Roberta-Large-Vit-B-32是一个多语言CLIP模型的文本编码器,支持超过50种语言。该模型与ViT-B-32图像编码器配合,可实现跨语言的图像-文本匹配。在MS-COCO数据集的多语言文本-图像检索任务中,R@10指标表现优异。模型可轻松提取多语言文本嵌入,为跨语言视觉-语言任务提供支持。使用简单,适用于多语言环境下的图像搜索、内容理解等应用场景。
xlm-roberta-longformer-base-4096 - 支持超长序列处理的多语言Transformer模型
GithubHuggingfaceWikiText-103XLM-R Longformer低资源语言开源项目模型长序列处理问答任务
该项目结合XLM-R与Longformer模型,提升了对多达4096个标记的处理能力,以提高低资源语言的处理效果。模型在WikiText-103语料库上进行预训练,适用于多语言问答任务。推荐使用NVIDIA Apex和大容量GPU以确保模型性能和效率。项目由Peltarion完成,提供相关代码和训练脚本供开发者参考。
gliner_medium-v2.1 - 多功能通用型命名实体识别模型GLiNER
GLiNERGithubHuggingface人工智能命名实体识别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编码器的命名实体识别模型,可识别任意类型的实体。该模型为资源受限场景提供了实用的替代方案,克服了传统NER模型仅限预定义实体的局限性,同时避免了大型语言模型的高成本问题。GLiNER支持多语言,提供不同规模的版本,安装使用简便。在NER基准测试中表现优异,适用于多种应用场景。
biomedical-ner-all - 基于英语的生物医学实体识别AI模型
AIGithubHuggingfaceMaccrobatNamed Entity Recognitiontransformers库开源项目模型生物医学
该AI模型基于Maccrobat数据集训练,可以识别107种生物医学实体,适用于案例报告等文本工作。通过distilbert-base-uncased构建,拥有低碳排放(0.0279千克)和30.17分钟的训练时间。通过Huggingface API或transformers库,可便捷应用于生物医学领域;教程视频提供详细使用说明。
camembert-ner - 基于camemBERT的高性能法语命名实体识别模型
GithubHuggingfaceNERcamemBERTwikiner_fr实体识别开源项目模型自然语言处理
camembert-ner是一个在wikiner-fr数据集上微调的法语命名实体识别模型。该模型在非正式文本如电子邮件和聊天记录中表现出色,尤其善于识别不以大写字母开头的实体。它能够识别人名、组织、地点和其他杂项实体,并可通过HuggingFace框架轻松集成。模型的整体F1分数为0.8914,其中人名识别准确率最高,达到0.9483。
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