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

bert-small - 轻量级BERT模型用于下游NLP任务优化

BERTGithubHuggingface人工智能开源项目模型知识蒸馏自然语言处理预训练模型

bert-small是Google BERT官方仓库转换的小型预训练模型，属于紧凑型BERT变体系列。该模型采用4层结构和512维隐藏层，为自然语言处理研究提供轻量级解决方案。在自然语言推理等任务中，bert-small展现出优秀的泛化能力，有助于推进NLI研究beyond简单启发式方法。作为下游任务优化的理想选择，bert-small为NLP领域带来新的研究与应用可能。

nomic-bert-2048 - 预训练BERT模型实现2048序列长度的上下文理解

BERTGithubHuggingfacenomic-bert-2048开源项目机器学习模型自然语言处理预训练模型

nomic-bert-2048模型通过Wikipedia和BookCorpus数据集训练，采用改进的位置编码技术，支持2048长度的文本序列处理。在GLUE基准评测中展现出与传统BERT相当的性能，同时具备更强的长文本理解能力。该模型兼容标准BERT分词系统，适用于文本补全和分类等自然语言处理任务。

xlm-roberta-large-wnut2017 - XLM-RoBERTa模型在多语言命名实体识别中的应用

GithubHuggingfaceNERTransformerXLM-RoBERTa开源项目模型模型微调自然语言处理

xlm-roberta-large-wnut2017是一个微调用于多语言命名实体识别的XLM-RoBERTa模型，具备多语言处理能力。使用者可以轻松地调用该模型以增强语言信息提取的效率。详情请参考TNER官方库。

bert-base-japanese-char-v2 - 基于日语维基百科的字符级BERT预训练模型

BERTGithubHuggingface开源项目日语模型机器学习模型维基百科数据集自然语言处理

本模型是基于日语维基百科训练的BERT预训练模型，采用字符级分词和全词掩码方法。它保持了原始BERT的12层结构和768维隐藏状态，使用MeCab和Unidic词典处理输入文本，词汇量为6144。训练在Cloud TPU上完成，遵循原始BERT的配置。该模型可广泛应用于日语自然语言处理领域，为研究和开发提供有力支持。

sbert-base-chinese-nli - SBERT中文句向量模型实现语义相似度计算

Chinese Sentence BERTGithubHuggingfaceUER-py句向量模型开源项目模型自然语言处理语义相似度

sbert-base-chinese-nli是一个基于BERT的中文句向量模型，通过UER-py框架预训练，并在ChineseTextualInference数据集上微调。该模型可将中文句子转换为向量表示，主要用于计算语义相似度。用户可通过sentence-transformers库轻松调用，适用于自然语言处理中的句子相似度任务。模型采用Siamese网络结构，在腾讯云平台上进行了5轮微调，以提升性能。

PL-BERT - 通过PL-BERT实现更自然的语音合成

GithubPL-BERT图标预测开源项目文本转语音自然语言模型语音合成

PL-BERT，一种创新的音素级预训练语言模型，通过预测掩码音素对应的字形，有效提升了多语种文本到语音转换的自然度和准确性。经科学评估，其合成语音质量在面对非模型文本时，较传统方法有明显提高，推动了语音合成技术的进步。

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。

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。

bert-tiny - 轻量级预训练自然语言处理模型

BERTGithubHuggingface开源项目模型模型压缩知识蒸馏自然语言处理预训练模型

BERT-tiny是一款轻量级预训练自然语言处理模型，源自Google BERT项目。它采用2层网络结构和128维隐藏层，专为资源受限环境下的下游任务设计。尽管体积小巧，BERT-tiny在自然语言推理等任务中仍表现出色，保留了BERT模型的核心功能。这使其成为需要在计算资源有限情况下进行自然语言处理的研究人员和开发者的理想选择。

Pretrained-Language-Model - 先进预训练语言模型与优化技术集合

GithubMindSporePyTorchTensorFlow开源项目自然语言处理预训练语言模型

此开源项目汇集了多个先进的预训练语言模型和相关优化技术。包含200B参数中文语言模型PanGu-α、高性能中文NLP模型NEZHA、模型压缩技术TinyBERT和DynaBERT等子项目。这些模型在多项中文NLP任务中表现出色，支持MindSpore、TensorFlow和PyTorch等多种深度学习框架。

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