chinese-bert-wwm

基于全词掩码技术的中文自然语言处理模型

BERT 全词掩码 Github 开源项目中文自然语言处理 Huggingface 机器学习预训练模型模型

chinese-bert-wwm 是一个采用全词掩码技术的中文 BERT 预训练模型。该模型由哈工大讯飞联合实验室（HFL）开发，基于 Google BERT 架构，通过全词掩码方式优化中文语言理解能力。模型支持文本分类、命名实体识别等自然语言处理任务，是 MacBERT、ELECTRA 等中文预训练模型系列的重要组成部分。

Github

Huggingface

介绍相关项目

deberta-v2-base-japanese-char-wwm - 日语DeBERTa V2模型实现字符级遮蔽与预训练

DeBERTa V2GithubHuggingfacetransformers字符级别开源项目日本語模型自然语言处理

该项目介绍了日语DeBERTa V2 base模型，该模型在日语Wikipedia、CC-100和OSCAR数据集上进行字符级分词和整体词遮蔽的预训练，可用于掩码语言建模及下游任务微调，采用了22,012个字符级子词的sentencepiece分词模型，通过transformers库进行训练。

codebert-base-mlm - 基于掩码语言模型的编程和自然语言预训练模型

CodeBERTGithubHuggingface开源项目机器学习模型编程语言自然语言预训练模型

CodeBERT-base-mlm是Microsoft开发的编程和自然语言双模态预训练模型。它基于CodeSearchNet语料库训练，采用掩码语言模型目标，可用于代码补全、理解和生成任务。该模型支持多种编程语言，提供简洁的API接口，便于集成应用。CodeBERT-base-mlm在连接编程语言和自然语言方面展现出独特优势，为软件开发和自然语言处理领域提供了新的研究方向。

bert-large-uncased-whole-word-masking-finetuned-squad - 全词遮蔽BERT模型在SQuAD数据集上精细调优的大型问答系统

BERTGithubHuggingface开源项目机器学习模型自然语言处理问答系统预训练模型

该项目是一个基于BERT的大型问答模型，采用全词遮蔽技术预训练，并在SQuAD数据集上精细调优。模型架构包含24层Transformer，1024维隐藏层和16个注意力头，总参数量3.36亿。在BookCorpus和英文维基百科上预训练后，可应用于多种问答任务。模型在SQuAD评估中展现出优秀性能，F1分数达93.15，精确匹配分数为86.91。

SecureBERT - 网络安全专用的语言模型，提升文本分析和信息处理能力

GithubHuggingfaceSecureBERT开源项目文本分类模型网络安全语言模型问答

SecureBERT基于RoBERTa构建，是专用于处理网络安全文本的领域特定语言模型。经过海量的网络安全文本训练，它表现出在文本分类、命名实体识别等任务中的卓越性能，并在填空预测上优于模型如RoBERTa和SciBERT，保持对通用英语的良好理解。SecureBERT已在Huggingface平台上线，可作为下游任务的基础模型，以实现更精准的文本分析和处理。

bert-base-multilingual-cased - BERT多语言预训练模型覆盖104种语言

BERTGithubHuggingface多语言模型开源项目模型深度学习自然语言处理预训练

bert-base-multilingual-cased是基于104种语言Wikipedia数据预训练的BERT模型。通过掩码语言建模和下一句预测实现自监督学习，可用于微调多种NLP任务。该模型支持多语言处理，适用于序列分类、标记分类和问答等应用，为NLP研究和开发提供了强大的多语言基础。

bert-base-uncased - BERT基础版无大小写区分的预训练英语语言模型

BERTGithubHuggingface开源项目文本分类机器学习模型自然语言处理预训练模型

BERT-base-uncased是一个在大规模英语语料上预训练的基础语言模型。该模型不区分大小写，通过掩码语言建模和下一句预测两个目标进行训练，学习了英语的双向语义表示。它可以为序列分类、标记分类、问答等下游任务提供良好的基础，适合进一步微调以适应特定应用场景。

bert-large-cased-whole-word-masking-finetuned-squad - 全词掩码BERT大型模型在SQuAD数据集上优化的问答系统

BERTGithubHuggingface开源项目微调模型自然语言处理问答系统预训练模型

BERT-large-cased-whole-word-masking-finetuned-squad是一个基于全词掩码技术的大型语言模型。该模型包含24层、1024维隐藏层和16个注意力头，共3.36亿参数。在BookCorpus和Wikipedia数据集预训练后，模型在SQuAD数据集上进行了微调，专门用于问答任务。采用双向Transformer架构，通过掩码语言建模和下一句预测任务训练，能有效理解文本语义并回答上下文相关问题。

bert-large-cased - 大规模双向Transformer预训练英语语言模型

BERTGithubHuggingface开源项目文本分类模型深度学习自然语言处理预训练模型

bert-large-cased是一个在大规模英语语料库上预训练的Transformer模型，采用掩码语言建模和下一句预测任务。模型包含24层、1024隐藏维度、16个注意力头和3.36亿参数，适用于序列分类、标记分类和问答等下游NLP任务。在SQuAD和MultiNLI等基准测试中表现优异。

text2vec-large-chinese - 中文大规模句子相似性与特征提取模型

GithubHuggingfaceMacBERTtext2vectransformers句子相似度开源项目模型特征提取

基于text2vec衍生的中文模型，采用LERT替代MacBERT，提高句子相似性和特征提取效率。支持onnxruntime，发布于2024年6月25日。

guwenbert-base - 古文BERT模型专为古文处理而设计助力文本解析

GithubGuwenBERTHuggingface古代汉语句法分析实体识别开源项目模型预训练模型

GuwenBERT是一款基于RoBERTa结构专为古文处理优化的模型。它使用殆知阁古代文献数据集进行训练，该数据集涵盖了佛教、儒学、医学和历史等多种主题文本。GuwenBERT适用于分句、标点符号插入及命名实体识别等任务，并在“古连杯”古籍命名实体识别评估中取得第二名的成绩。

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。

使用协议隐私政策广告服务

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