Project Icon

flair-arabic-multi-ner

阿拉伯语命名实体识别模型实现86%准确率

这个阿拉伯语命名实体识别模型能够自动识别文本中的地点、组织机构和人名等实体信息。模型采用深度学习方法训练,识别准确率达到86%,已开源并支持Python环境使用。适合于阿拉伯语自然语言处理、信息提取等应用场景。

bcms-bertic-ner - BERTić微调模型实现BCMS语言的高效命名实体识别
BERTićGithubHuggingface命名实体识别巴尔干语言开源项目机器学习模型自然语言处理
bcms-bertic-ner是一个针对波斯尼亚语、克罗地亚语、黑山语和塞尔维亚语(BCMS)的命名实体识别模型。该模型基于BERTić架构,通过多个标准和社交媒体数据集进行微调,可识别人名、地点、组织和其他实体。在开发数据上,模型达到91.38的F1分数,为BCMS语言的自然语言处理任务提供了有力工具。
wikineural-multilingual-ner - 融合神经网络和知识库的多语言命名实体识别模型
GithubHuggingfaceWikiNEuRal命名实体识别多语言开源项目模型维基百科自然语言处理
WikiNEuRal是一个创新的多语言命名实体识别模型,基于自动生成的高质量数据集训练而成。该模型支持9种语言,通过结合神经网络和知识库方法,在标准NER基准测试中实现了显著突破,F1分数比现有系统提高了6个点。模型集成了Transformers库,便于快速部署和使用。尽管在百科全书类文本上表现出色,但对新闻等其他文体的泛化能力可能有限。
bert-base-arabic-camelbert-da-sentiment - CAMeLBERT-DA阿拉伯语情感分析模型
CAMeLBERT-DAGithubHuggingface开源项目情感分析模型自然语言处理阿拉伯语预训练语言模型
CAMeLBERT-DA情感分析模型是基于阿拉伯方言预训练模型微调而成。该模型利用ASTD、ArSAS和SemEval数据集进行了fine-tuning,可通过CAMeL Tools或transformers pipeline轻松集成使用。模型支持对阿拉伯语文本进行积极和消极的二分类情感分析。这一成果对研究阿拉伯语言模型的变体、规模和任务类型之间的相互作用具有重要意义。
flair-ner-spanish-judicial - 增强拉美司法系统中性别暴力案件的透明度和数据收集效率
AymurAIGithubHuggingface司法系统开源项目性别暴力数据集模型法律裁决
该项目通过提高拉美司法系统中性别暴力案件的数据透明度和获取能力,旨在改善司法体系的信任。AymurAI项目应用FLAIR指南和BiLSTM-CRF架构,结合BETO嵌入模型,创建了专注于阿根廷刑事法院数据的NER模型。此模型在布宜诺斯艾利斯刑事法院N°10的数据集上进行训练,提供了半自动化的数据收集和分析功能。目前为原型阶段,其目标是助力政策制定和社会倡导,尤其是提升女性及LGBTIQ+群体的司法获取途径。
xlm-roberta-large-ner-spanish - 基于XLM-Roberta-large的高性能西班牙语命名实体识别模型
CoNLL-2002GithubHuggingfaceXLM-RoBERTa命名实体识别开源项目模型自然语言处理西班牙语
xlm-roberta-large-ner-spanish是一个基于XLM-Roberta-large模型微调的西班牙语命名实体识别(NER)模型。该模型在CoNLL-2002数据集的西班牙语部分上训练,在测试集上实现了89.17的F1分数,展现出优秀的性能。此模型能够有效识别文本中的人名、地名、组织机构等命名实体,为西班牙语自然语言处理任务提供了有力工具。
ner-bert-german - 基于BERT的德语命名实体识别模型实现精准NER分析
BERTGithubHuggingface命名实体识别开源项目德语机器学习模型自然语言处理
该模型通过对bert-base-multilingual-cased进行微调,实现德语文本中位置、组织和人名的识别。模型在wikiann数据集训练后,总体F1分数达0.8829,在人名实体识别方面表现尤为出色。模型使用Adam优化器和线性学习率调度器,经7轮训练完成。
bert-base-arabic-finetuned-emotion - bert-base-arabic 模型在情感识别中的应用与优化
GithubHuggingfaceTransformersbert-base-arabic-finetuned-emotion开源项目情感检测文本分类模型阿拉伯文本
本项目展示了一种基于bert-base-arabic的微调情感检测模型,在emotone_ar数据集上实现了74%的准确率和F1分数。该模型通过Transformer技术增强了情感分析能力,适用于阿拉伯语文本处理。用户可以在Hugging Face平台找到此预训练模型,并应用于其自然语言处理任务。
wav2vec2-large-xlsr-53-arabic - XLSR-53模型在阿拉伯语语音识别中的应用与性能
Common VoiceGithubHuggingfaceWav2Vec2XLSR-53开源项目模型自动语音识别阿拉伯语
该项目基于Facebook的wav2vec2-large-xlsr-53模型,通过阿拉伯语语音数据微调,开发了一个高性能的阿拉伯语语音识别模型。在Common Voice测试集上,模型实现了39.59%的词错误率和18.18%的字符错误率,表现优于同类模型。模型支持16kHz采样率的语音输入,可直接用于阿拉伯语语音转录,无需额外语言模型。项目详细介绍了使用方法和评估结果,为阿拉伯语语音识别研究提供了有价值的参考。
AraT5-MSAizer - 先进AI模型实现多种阿拉伯方言到标准阿拉伯语的转换
AraT5-MSAizerGithubHuggingface开源项目机器翻译模型现代标准阿拉伯语语言模型阿拉伯语方言
AraT5-MSAizer是一款基于UBC-NLP/AraT5v2-base-1024模型优化的语言转换工具,致力于将五种主要阿拉伯方言转换为现代标准阿拉伯语(MSA)。该模型利用MADAR、North Levantine Corpus和PADIC等高质量语料库进行训练,并通过OPUS数据集的反向翻译扩充了训练数据。在官方评估中,AraT5-MSAizer在BLEU和Comet DA指标上分别达到0.2179和0.0016,展示了其在阿拉伯方言标准化方面的实用价值。
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