2025年最高の 781 個のシーケンスラベリングツール

これはインドネシア語RoBERTaモデルをファインチューニングした品詞タグ付けモデルで、indonluデータセットで訓練され、インドネシア語テキストの品詞タグ付けタスクに使用されます。

BERTを微調整した命名エンティティ識別モデルで、4種類のエンティティ（場所(LOC)、組織(ORG)、人名(PER)、その他(MISC)）を識別できます。

このモデルはRoBERTaをファインチューニングしたシーケンスラベリングモデルで、医療記録内の保護対象健康情報(PHI/PII)を識別・除去します。

Flairに組み込まれた英語の高速4クラス固有表現認識モデルで、Flair埋め込みとLSTM-CRFアーキテクチャを使用し、CoNLL-03データセットで92.92のF1スコアを達成しています。

Camembert-baseをベースとしたフランス語の品詞タグ付けモデルで、free-french-treebankデータセットを使用して学習されました。

XLM - Roberta - largeアーキテクチャに基づいて微調整されたスペイン語の命名エンティティ認識モデルで、CoNLL - 2002データセットで優れた性能を発揮します。

NusaBert-v1.3を基にインドネシア語NERタスクでファインチューニングした固有表現認識モデル

Flairフレームワークに組み込まれた英語の4種類の大型NERモデルで、文書レベルのXLM - R埋め込みとFLERT技術に基づいており、CoNLL - 03データセットでF1スコアが94.36に達します。

xlm - roberta - baseを微調整した多言語句読点予測モデルで、12種類の欧州言語の句読点自動補完に対応しています。

xlm-roberta-baseをファインチューニングした日本語固有表現認識モデル

GLiNERをベースにしたファインチューニング版で、ニュースエンティティ抽出に最適化されており、18のベンチマークテストでゼロショット精度が最大7.5%向上

英語、イタリア語、フランス語、ドイツ語のテキストにおける句読点を予測する多言語モデルで、話し言葉の転記における句読点構造を回復することを目的としています。

mBERTに基づく多言語の固有表現認識モデルで、10種類の高リソース言語をサポートし、場所、組織、人名の3種類のエンティティを認識できます。

BERT-largeを微調整した命名エンティティ認識モデルで、CoNLL-2003データセットで最先端の性能を実現

Flairに標準搭載されているフランス語の4クラスNERモデルで、Flairの単語埋め込みとLSTM-CRFアーキテクチャに基づいており、WikiNERデータセットでF1スコア90.61を達成しています。

Flairフレームワークに組み込まれたドイツ語の4種類の大型命名エンティティ認識モデルで、XLM - R埋め込みとFLERT技術に基づいており、CoNLL - 03ドイツ語データセットで92.31のF1スコアを達成しています。

xlm-robertaモデルを基にルーマニア語NERデータセットRONECで訓練された固有表現認識モデルで、テストセットのf1-Macroスコアは95点に達しています。

10種類の高リソース言語を対象とした命名エンティティ認識モデルで、微調整されたDistil BERTベースモデルに基づいており、場所、組織、人物の3種類のエンティティを認識できます。

ニューラルネットワークと知識ベースを融合した多言語固有表現認識モデルで、9種類の言語をサポートします。

RoBERTa-largeをベースに微調整された英語の命名エンティティ認識モデルで、conll2003データセットで訓練され、特にメール/チャットデータのエンティティ認識能力が最適化されています。

camemBERTを基に、wikiner-frデータセットで微調整された命名エンティティ認識（NER）モデルで、フランス語テキストの命名エンティティ認識タスクを得意とします。

camemBERTをファインチューニングしたフランス語の命名エンティティ認識モデルで、日付ラベル機能を追加しました。

Flairに付属の英語の18種類の命名エンティティ認識の大規模モデルで、Ontonotesデータセットを基に訓練され、XLM - R埋め込みとFLERT技術を採用しています。

Flairに組み込まれている英語18クラス固有表現認識モデルで、Ontonotesデータセットで訓練され、F1スコアは89.27です。

roberta-largeをtner/tweetner7データセットでファインチューニングした固有表現認識モデルで、ツイッターテキストの固有表現認識に特化

3層Transformerアーキテクチャを採用した最先端の文分割技術で、多言語テキスト分割をサポートします。

繁体中国語向けtransformersモデル及び自然言語処理ツールを提供

Flairに付属のオランダ語の4種類の命名エンティティ認識大規模モデルで、XLM - R埋め込みとFLERT技術に基づいており、CoNLL - 03オランダ語データセットでF1スコアが95.25に達します。

PDFから抽出またはOCRで検出されたテキストボックスを読み取り可能な順序に変換する読書順序予測モデルです。

このモデルは医療記録内の保護対象健康情報(PHI/PII)を識別・除去するために使用され、HIPAAプライバシー基準に準拠しています。

bert-base-multilingual-casedをファインチューニングしたロシア語テキストの固有表現認識(NER)モデルで、BIOLUタグ付け形式を採用し、人名、場所、組織などのさまざまなエンティティタイプを認識できます。

Flairに付属の英語の標準4種類の固有表現認識モデルで、Flair埋め込みとLSTM - CRFアーキテクチャに基づいており、CoNLL - 03データセットで93.06のF1スコアを達成しています。

Piiranha-v1 は microsoft/mdeberta-v3-base をファインチューニングしたモデルで、6言語における17種類の個人識別情報（PII）の検出専用に設計されています。

dbmdz/bert-base-turkish-casedモデルをファインチューニングしたトルコ語固有表現認識モデルで、人名、組織名、地名などのエンティティを認識できます。

distilbert-base-uncasedを基に訓練された英語の命名エンティティ認識モデルで、生物医学エンティティ（107種類）の識別に特化しており、症例報告などのテキストコーパスに適しています。

bert-base-casedをファインチューニングしたBPMNプロセス情報抽出モデルで、テキスト化されたプロセス記述から実行者、タスクなどの主要要素を抽出

中国語ウィキペディアテキストの句読点回復ツールで、6種類の一般的な句読点を回復できます。

XLM - RoBERTa - largeモデルを英語のconll2003データセットで微調整した命名エンティティ認識モデル

中国語の品詞タグ付け用モデルで、一般的な17種類の品詞タグをサポートしています。

スペイン語BERT大文字小文字区別版（BETO）をNER-Cデータセットでファインチューニングしたバージョンで、固有表現認識（NER）タスク専用です。

Transformerベースのペルシア語理解モデルで、語彙表を再構築し、新しいコーパスで微調整し、多領域での応用機能を拡張しました。

GLiNERは、さまざまな種類の個人識別情報（PII）を認識できる名前付きエンティティ認識（NER）モデルです。