Project Icon

IndicNER

面向11种印度语言的多语言命名实体识别模型

IndicNER是一个针对11种印度语言开发的命名实体识别模型。该模型通过数百万句子的微调训练,并在人工标注测试集和多个公开数据集上进行了性能评估。IndicNER支持阿萨姆语、孟加拉语、古吉拉特语等多种印度语言,能够有效识别句子中的命名实体。作为一个基于最新深度学习技术的工具,IndicNER为印度语言的自然语言处理研究和应用提供了有力支持。

NuNER-multilingual-v0.1 - 支持九种以上语言的高性能多语言实体识别系统
GithubHuggingfaceMultilingual BERTNLPNuMind多语言模型实体识别开源项目模型
NuNER-multilingual-v0.1作为一个多语言实体识别系统,通过对多语言BERT模型进行优化,实现了对英语、法语等9种以上语言的支持。系统基于Oscar数据集训练,具备跨领域和跨语言的实体识别能力。在性能测评中,其F1宏观指标相比基础mBERT有明显提升,单层嵌入达到0.5892,双层嵌入达到0.6231的水平。该系统可直接使用或根据具体需求进行定制化训练。
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。
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。
bengali_language_NER - 在Wikiann数据集上使用多语言BERT模型微调,实现孟加拉语实体识别
Bengali Named Entity RecognitionF1评分GithubHuggingfaceWikiann多语言开源项目模型精调
该项目使用Wikiann数据集微调bert-base-multilingual-cased模型,实现孟加拉语命名实体识别。标签分类涵盖人物、组织、地点,高训练集F1分数达0.9979,测试集为0.9673,并提供实例代码,适合研究语言处理与语义分析的用户。
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。
gliner_large-v2.1 - 通用命名实体识别模型,适合资源有限的应用场景
GLiNERGithubHuggingface双向Transformer命名实体识别多语言开源开源项目模型
GLiNER是使用双向Transformer编码器的通用命名实体识别模型,能够识别多种实体类型。相比于传统NER模型和体积庞大的语言模型,GLiNER在资源有限的情况下表现出卓越的灵活性和效率。最新的GLiNER v2.1版本支持单语和多语模型,性能表现依旧出色。用户可以通过安装GLiNER Python库,将其方便地集成到项目中,适用于多种语言的文本预测任务。
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。
UniNER-7B-all - 跨多数据集的命名实体识别开源模型
GithubHuggingfaceUniNER命名实体识别大模型开源项目模型研究自然语言处理
UniNER-7B-all模型结合ChatGPT生成的Pile-NER-type和Pile-NER-definition数据及Universal NER基准中40个数据集进行训练,适合多数据集的命名实体识别研究。模型在排除CrossNER和MIT数据集的情况下进行OOD评估。详细的使用指南和模型信息可以通过相关论文及GitHub仓库获得,模型适用于研究目的,遵循CC BY-NC 4.0许可协议。
indictrans2-indic-indic-dist-320M - 支持22种印度语言的机器翻译模型
AI4BharatGithubHuggingfaceIndicTrans2多语言开源项目机器学习模型翻译
IndicTrans2 是一款支持22种印度语言之间翻译的机器翻译模型,结合了多语言模型优化以提升翻译效率。此开源项目利用BLEU、CHRF和COMET等AI技术指标提升翻译准确性,适用数据集包括FLORES-200。项目采用MIT许可协议,适用于多领域的研究与应用。
ner-english - Flair框架英语命名实体识别模型 准确率93%
FlairGithubHuggingface命名实体识别序列标注开源项目模型深度学习自然语言处理
该模型是Flair框架的标准英语命名实体识别(NER)模型,能识别人名、地名、组织名和其他名称四类实体。采用Flair嵌入和LSTM-CRF架构,在CoNLL-03数据集上F1分数达93.06%。用户可通过Flair库轻松加载使用。模型提供了详细的训练脚本和引用信息,方便研究人员进一步探索和引用。
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