Project Icon

bert-base-polish-cased-v1

专门针对波兰语的BERT预训练基础模型

bert-base-polish-cased-v1作为专门针对波兰语开发的BERT预训练语言模型,通过HuggingFace transformers库提供,采用了全词掩码技术,支持大小写敏感。模型训练语料包含经过去重的OpenSubtitles数据集、ParaCrawl语料库、波兰议会语料库和波兰维基百科等资源。在KLEJ基准测试中展现出良好的波兰语理解效果,特别适合序列分类和标记分类等自然语言处理任务。

bangla-bert-base - 预训练孟加拉语模型,增强自然语言处理效果
Bangla-BertGithubHuggingface孟加拉语开源项目模型自然语言处理评估结果预训练语言模型
Bangla BERT Base是一款为孟加拉语开发的预训练语言模型,现已在Hugging Face平台上可用。该模型通过BERT的Masked Language Modeling进行训练,使用来自Bengali Commoncrawl和Wikipedia的语料库,并借助BNLP包进行词汇表构建。採用了bert-base-uncased架构,共有12层、768个隐藏单元、12个注意力头和110M参数。经过100万步训练,它在情感分析、仇恨言论检测和新闻分类等下游任务中表现突出,与多语言BERT和Bengali Electra相比,提高了精度。尤其是在Bengali NER任务中,评估结果相对优秀。该模型已经被应用于多项研究,是处理孟加拉语NLP任务的可靠工具。
eccobert-base-cased-v1 - 专为18世纪英国文献分析打造的ECCO-BERT模型
BERTECCOGithubHuggingface历史文献开源项目机器学习模型自然语言处理
ECCO-BERT base model (cased)是一款基于18世纪英国出版物数字化数据集ECCO训练的BERT模型。该模型与bert-base-cased规模相当,适用于ECCO数据集相关的多种任务微调。作为一种专门的自然语言处理工具,ECCO-BERT能够帮助研究人员更深入地分析18世纪英国文献,为历史文本研究和文化探索提供有力支持。
bert-base-NER-uncased - BERT基础模型应用于命名实体识别的开源项目
GithubHuggingfaceMIT许可证免责条款开源许可开源项目模型版权声明软件分发
该项目基于BERT的bert-base-uncased模型,通过微调实现了命名实体识别(NER)功能。模型能有效识别文本中的实体,支持多种语言和实体类别,包括人名、地名、组织机构等。在多个NER数据集上展现了优异性能,模型参数规模约1.1亿。项目为自然语言处理研究人员和开发者提供了一个强大的工具,可用于提取各类文本中的关键实体信息,适用于信息抽取、问答系统等多种应用场景。
bert-turkish-text-classification - BERT土耳其语文本分类模型支持7大类别
BERTGithubHuggingfaceTurkish开源项目文本分类机器学习模型自然语言处理
BERT土耳其语文本分类模型通过微调Turkish BERT预训练模型而来,利用TTc4900数据集训练出支持7个类别的分类能力。涵盖世界、经济、文化等领域,开发者可借助Transformers库快速部署,实现土耳其语文本的高效分类。
bert-base-cased-Korean-sentiment - bert-base-cased韩语情感分析模型
GithubHuggingfaceWhitePeakbert-base-multilingual-cased客户评论开源项目情感分析模型韩语
此情感分析模型基于bert-base-multilingual-cased进行优化,专为韩语购物评论设计,准确率超过92%,用于情感分类。
FastPDN - 开源波兰语命名实体识别模型
CLARIN-PLFastPDNGithubHuggingface命名实体识别开源项目模型深度学习自然语言处理
FastPDN是一个开源的波兰语命名实体识别模型,基于PolDeepNer2项目开发。它采用hydra、PyTorch、PyTorch Lightning和Transformers库构建了完整的数据处理和模型训练流程。FastPDN在kpwr和cen数据集上训练,支持82种实体类别识别,并利用herbert-base-case和distiluse-base-multilingual-cased-v1模型进行了预训练。该项目提供简洁的API接口,方便用户进行波兰语文本的命名实体识别任务。
bert-base-vietnamese-uncased - 增强越南语文本分析的BERT语言模型
BERTGithubHuggingfacetrituenhantao.io开源项目模型筛选分类越南语
该BERT模型专为越南语的新闻和维基百科数据而设计,适用于序列分类任务。用户可以通过Python代码轻松导入和使用,提升文本分析和自然语言处理的效率。由trituenhantao.io团队于2020年发布在GitHub,用户可以轻松访问到详细的文档和支持。此模型为自然语言处理和机器学习研究者及开发者提供了强大可靠的工具。
distilbert-base-uncased - 紧凑高效的语言模型,提升下游任务处理速度
DistilBERTGithubHuggingface使用限制开源项目模型模型压缩训练数据语言模型
DistilBERT是一种高效的Transformers模型,比原始BERT更小更快,适合快速推理的下游任务。通过自监督预训练,它支持掩码语言建模和句子预测。主要用于全句任务如分类和问答,尽管继承了部分原模型偏见。在海量公开数据的支持下,DistilBERT在多种任务中表现优异,兼顾性能和速度。可在模型中心查看微调版本。
beto - 西班牙语BERT模型:BETO
BERTBETOGithub开源项目模型西班牙语语料库
此页面介绍了一个基于大型西班牙语语料库训练的BERT模型BETO,提供无区分大小写和区分大小写的Tensorflow和Pytorch版本。BETO应用全词掩蔽技术,在多项西班牙语基准测试中表现优异,并与多语言BERT及其他模型进行了对比。用户可以在HuggingFace Model Repository下载BETO模型,并通过HuggingFace Transformers库轻松使用。此外,页面还包含示例代码和引用信息。
bertweet-base - BERTweet为英文推文提供预训练大规模语言模型
BERTweetGithubHuggingfaceRoBERTa开源项目推特模型自然语言处理预训练语言模型
BERTweet是针对英文推文预训练的开源大规模语言模型。该模型基于RoBERTa架构,使用8.5亿条英文推文进行训练,包括与COVID-19相关的推文。BERTweet在词性标注、命名实体识别、情感分析和讽刺检测等任务中表现出色。作为处理Twitter数据的基础工具,BERTweet可应用于多种自然语言处理任务,为研究人员提供了宝贵的资源。
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

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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