%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
JA
Hu Core News Trf
ハンガリー語HuSpaCyのtransformerパイプライン(huBERT)、多様な自然言語処理コンポーネントを含む
ダウンロード数 118
リリース時間 : 4/1/2022
モデル概要
huBERTベースのハンガリー語自然言語処理モデル、品詞タグ付け、固有表現認識、依存解析などの完全なNLP機能を提供
モデル特徴
マルチタスク処理能力
単一モデルで品詞タグ付け、固有表現認識、依存解析など多様なNLPタスクを統合
高精度性能
NERタスクでF値0.917、品詞タグ付け精度0.982を達成
transformerアーキテクチャ採用
huBERT基本モデルを使用し、より強力な文脈理解能力を提供
包括的な形態素分析
ハンガリー語の複雑な形態的特徴分析をサポート、精度0.966
モデル能力
品詞タグ付け
固有表現認識
依存構文解析
語形還元
文分割
形態素分析
使用事例
テキスト分析
ハンガリー語テキスト処理
ハンガリー語テキストの文法解析と構造解析
品詞、エンティティ、構文関係を正確に識別
情報抽出
ハンガリー語固有表現認識
ハンガリー語テキストから人名、地名などの固有表現を抽出
NER F値0.917を達成
🚀 ハンガリー語トランスフォーマーパイプライン (huBERT) for HuSpaCy
このモデルは、HuSpaCy用のハンガリー語トランスフォーマーパイプラインです。トランスフォーマー、文分割器、品詞タガー、形態素解析器、見出し語化器、構文解析器、固有表現認識器などのコンポーネントを備えています。
✨ 主な機能
- ハンガリー語の固有表現認識 (NER)
- 品詞タグ付け (TAG)
- 汎用品詞タグ付け (POS)
- 形態素解析 (MORPH)
- 見出し語化 (LEMMA)
- 依存構造解析 (UNLABELED_DEPENDENCIES, LABELED_DEPENDENCIES)
- 文分割 (SENTS)
📦 モデル情報
| 属性 | 詳細 |
|---|---|
| モデル名 | hu_core_news_trf |
| バージョン | 3.7.0 |
| spaCy | >=3.7.0,<3.8.0 |
| デフォルトパイプライン | transformer, senter, tagger, morphologizer, lookup_lemmatizer, trainable_lemmatizer, experimental_arc_predicter, experimental_arc_labeler, ner |
| コンポーネント | transformer, senter, tagger, morphologizer, lookup_lemmatizer, trainable_lemmatizer, experimental_arc_predicter, experimental_arc_labeler, ner |
| ベクトル | 0 キー, 0 ユニークベクトル (0 次元) |
| ソース | UD Hungarian Szeged (Richárd Farkas, Katalin Simkó, Zsolt Szántó, Viktor Varga, Veronika Vincze (MTA - SZTE Research Group on Artificial Intelligence)) NYTK - NerKor Corpus (Eszter Simon, Noémi Vadász (Department of Language Technology and Applied Linguistics)) [Szeged NER Corpus](https://rgai.inf.u - szeged.hu/node/130) (György Szarvas, Richárd Farkas, László Felföldi, András Kocsor, János Csirik (MTA - SZTE Research Group on Artificial Intelligence)) huBERT base model (cased) (Dávid Márk Nemeskey (SZTAKI - HLT)) |
| ライセンス | cc-by-sa-4.0 |
| 作者 | SzegedAI, MILAB |
📊 評価指標
| タスク | 指標名 | 値 |
|---|---|---|
| NER | NER Precision | 0.9119332986 |
| NER | NER Recall | 0.9229957806 |
| NER | NER F Score | 0.9174311927 |
| TAG | TAG (XPOS) Accuracy | 0.9823906594 |
| POS | POS (UPOS) Accuracy | 0.9820078476 |
| MORPH | Morph (UFeats) Accuracy | 0.9658340511 |
| LEMMA | Lemma Accuracy | 0.9861257296 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.9000861326 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.8568421053 |
| SENTS | Sentences F - Score | 0.9899888765 |
📚 ラベルスキーム
ラベルスキームを表示 (4 コンポーネントに対する 1217 ラベル)
| コンポーネント | ラベル |
|---|---|
tagger |
ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PART, PRON, PROPN, PUNCT, SCONJ, SYM, VERB, X |
morphologizer |
Definite=Def|POS=DET|PronType=Art, Case=Ine|Number=Sing|POS=NOUN, POS=ADV, Case=Nom|NumType=Card|Number=Sing|POS=NUM, Case=Nom|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Nom|Number=Sing|POS=ADJ|VerbForm=PartPres, Case=Nom|Degree=Pos|Number=Sing|POS=ADJ, Case=Nom|Number=Sing|POS=NOUN, Definite=Ind|POS=DET|PronType=Tot, Case=Ade|Number=Sing|POS=NOUN, Case=Nom|Degree=Cmp|Number=Sing|POS=ADJ, POS=PUNCT, Case=Nom|Number=Sing|POS=DET|Person=3|PronType=Dem, Case=Acc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Ind|POS=DET|PronType=Ind, Definite=Def|Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, POS=ADP, POS=CCONJ, Case=Del|Number=Sing|POS=NOUN, Case=Gen|Number=Sing|POS=PRON|Person=3|PronType=Dem, Case=Sbl|Number=Sing|POS=NOUN, Case=Nom|Number=Sing|POS=ADJ|VerbForm=PartPast, Case=Del|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Nom|Number=Sing|POS=PROPN, Definite=Ind|Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Acc|Number=Sing|POS=NOUN, Case=Sup|Number=Sing|POS=PROPN, Case=Ess|Degree=Pos|Number=Sing|POS=ADJ, Case=Ine|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Sup|Number=Plur|POS=NOUN, Degree=Pos|POS=ADV, Case=Sup|Number=Sing|POS=NOUN, Definite=Ind|Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Cau|Number=Plur|POS=NOUN, Case=Cau|Number=Sing|POS=NOUN, Case=Gen|Number=Sing|POS=NOUN, Definite=Ind|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Nom|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Def|Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Tra|Number=Sing|POS=ADJ|VerbForm=PartPres, Case=Nom|Number=Plur|POS=NOUN, Case=Cau|Number=Sing|POS=PRON|Person=3|PronType=Prs, Definite=Def|Mood=Pot|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Ins|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Ins|Number=Sing|POS=NOUN, POS=ADV|PronType=Neg, Case=Ine|Number=Plur|Number[psor]=Plur|POS=NOUN|Person[psor]=1, Case=Gen|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, POS=SCONJ, Case=Acc|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Nom|NumType=Frac|Number=Sing|POS=NUM, Case=Sbl|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Abl|Number=Sing|POS=NOUN, Case=Dat|Number=Sing|POS=NOUN, Definite=Ind|Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|Voice=Act, POS=VERB|VerbForm=Inf|Voice=Act, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Dem, Definite=Ind|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Acc|Number=Sing|POS=PRON|Person=3|PronType=Dem, Case=Nom|Degree=Sup|Number=Sing|POS=ADJ, POS=ADV|PronType=Dem, Case=Ins|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=1, Case=Ins|Number=Sing|POS=PRON|Person=3|PronType=Dem, Case=Ade|Degree=Pos|Number=Sing|POS=ADJ, POS=ADV|PronType=Int, Case=Tra|Degree=Pos|Number=Sing|POS=ADJ, Definite=Ind|Mood=Pot|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Sbl|Number=Sing|POS=PROPN, Case=Sbl|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=1, Case=All|Number=Sing|POS=PRON|Person=3|PronType=Dem, Definite=Ind|Mood=Imp|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, POS=PART, Case=Sup|Number=Sing|POS=DET|Person=3|PronType=Dem, POS=ADV|PronType=Tot, Case=Ill|Definite=Ind|POS=DET|PronType=Ind, Number=Sing|POS=VERB|Person=3|VerbForm=Inf|Voice=Act, Case=Ill|Number=Sing|POS=NOUN, Definite=Ind|Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Sbl|Number=Sing|POS=PRON|Person=3|PronType=Rel, Case=Dat|Number=Sing|POS=PRON|Person=3|PronType=Dem, Case=Nom|NumType=Ord|Number=Sing|POS=ADJ, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Rel, Definite=Def|Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|Voice=Act, Definite=Ind|Mood=Cnd|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Acc|Number=Sing|POS=DET|Person=3|PronType=Dem, Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Sup|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Ind|Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Ade|Number=Sing|POS=ADJ|VerbForm=PartPast, Case=Nom|Number=Plur|POS=PRON|Person=3|PronType=Dem, Case=Ess|Number=Sing|POS=ADJ|VerbForm=PartPres, Case=Acc|Number=Sing|POS=PROPN, Case=Nom|Number=Sing|POS=ADJ|VerbForm=PartFut, Case=Ine|NumType=Card|Number=Sing|POS=NUM, Definite=Ind|Mood=Pot|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Acc|Number=Plur|POS=NOUN, Case=Del|Number=Plur|POS=NOUN, Case=Gen|Number=Plur|POS=PRON|Person=3|PronType=Rel, Case=Nom|Number=Plur|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Case=Tra|Number=Sing|POS=NOUN, Case=Sup|Number=Sing|POS=PRON|Person=3|PronType=Rel, Definite=Ind|Mood=Imp|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Definite=Def|Mood=Imp|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Acc|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Case=Acc|Number=Plur|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Definite=Ind|POS=DET|PronType=Art, Case=Dat|Number=Plur|POS=NOUN, Case=Ins|Number=Plur|POS=NOUN, Case=Sbl|Number=Plur|POS=NOUN, Case=Ela|Number=Sing|POS=NOUN, Definite=Ind|Mood=Pot|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Case=Acc|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=All|Number=Sing|POS=NOUN, Case=Ine|Number=Plur|POS=NOUN, Case=Dat|Number=Plur|POS=ADJ|VerbForm=PartPres, Case=Ela|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Case=Abl|Number=Sing|POS=PROPN, Case=Cau|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Acc|Number=Plur|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Case=Ins|Number=Sing|POS=PROPN, Case=Ess|Number=Sing|POS=ADJ|VerbForm=PartPast, Number=Plur|POS=VERB|Person=3|VerbForm=Inf|Voice=Act, Case=Sbl|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Nom|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Case=All|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Abl|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Past|VerbForm=Fin|Voice=Act, Case=Dat|Degree=Pos|Number=Plur|POS=ADJ, POS=ADV|PronType=Rel, Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Cau, Case=Del|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Gen|Number=Sing|POS=DET|Person=3|PronType=Dem, Case=Ill|Number=Plur|POS=NOUN, Case=Ela|Number=Plur|POS=NOUN, Case=Ill|Number=Sing|POS=PROPN, Case=Ela|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Acc|Number=Sing|POS=PRON|Person=3|PronType=Int, Definite=Def|POS=DET|PronType=Ind, Case=Dat|Number=Sing|POS=PRON|Person=3|PronType=Ind, Definite=Ind|Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Nom|Number=Plur|POS=PRON|Person=1|PronType=Prs, Case=Acc|Number=Sing|POS=PRON|Person=3|PronType=Rcp, Case=Ine|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=All|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Ter|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=3, POS=ADV|VerbForm=Conv, Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Sup|Degree=Pos|Number=Sing|POS=ADJ, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Tot, Aspect=Iter|Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Aspect=Iter|Definite=Def|Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin|Voice=Act, Definite=Ind|Mood=Pot|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Act, Definite=Def|Mood=Imp|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Nom|Number=Plur|POS=PRON|Person=3|PronType=Ind, Case=Dis|Number=Sing|POS=NOUN, Case=Gen|Number=Sing|POS=PRON|Person=3|PronType=Rel, Case=Ade|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Dat|Number=Sing|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Case=All|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Dat|Number=Plur|POS=ADJ|VerbForm=PartPast, Case=Dat|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Nom|Number=Plur|POS=PROPN, Case=Nom|Degree=Pos|Number=Plur|POS=ADJ, Case=Cau|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Dat|Degree=Pos|Number=Sing|POS=ADJ, Case=Ine|Number=Sing|POS=PROPN, Definite=Def|Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Cau, Case=Acc|Number=Sing|Number[psor]=Plur|POS=NOUN|Person[psor]=1, Definite=Ind|Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin|Voice=Cau, Case=Abs|Number=Sing|POS=NOUN, Case=Ade|Number=Sing|POS=PROPN, Case=Ins|Number=Plur|Number[psor]=Plur|POS=NOUN|Person[psor]=3, Case=Sup|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Sbl|Number=Sing|POS=PRON|Person=3|PronType=Dem, Case=Abl|Number=Sing|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Nom|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Gen|Number=Sing|POS=PROPN, Case=Del|Number=Sing|POS=PROPN, Case=Sbl|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Case=Loc|Number=Sing|POS=NOUN, Case=Acc|Definite=Ind|POS=DET|PronType=Ind, Case=Ill|Number=Sing|POS=PRON|Person=3|PronType=Rcp, Case=Acc|Number=Sing|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Definite=Ind|Mood=Pot|Number=Plur|POS=VERB|Person=1|Tense=Past|VerbForm=Fin|Voice=Act, Case=Del|Number=Sing|POS=PRON|Person=3|PronType=Rel, Definite=Ind|Mood=Cnd|Number=Sing|POS=AUX|Person=3|Tense=Pres|Voice=Act, Case=Acc|Number=Plur|POS=PRON|Person=3|PronType=Ind, Case=Ter|Number=Sing|POS=NOUN, Case=Ela|Number=Sing|POS=PRON|Person=3|PronType=Rel, POS=X, Definite=Def|Mood=Cnd|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Gen|Number=Plur|Number[psor]=Sing|POS=NOUN|Person[psor]=3, Definite=Ind|Mood=Imp|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Del|NumType=Card|Number=Sing|POS=NUM, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Neg, Case=Tra|Degree=Cmp|Number=Sing|POS=ADJ, Definite=Ind|Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Past|VerbForm=Fin|Voice=Act, Degree=Pos|POS=ADV|PronType=Dem, Case=Acc|Number=Sing|POS=PRON|Person=3|Reflex=Yes, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Int, Case=Del|Number=Sing|POS=PRON|Person=3|PronType=Dem, Definite=Ind|Mood=Cnd,Pot|Number=Sin |
📄 ライセンス
このモデルは cc-by-sa-4.0 ライセンスの下で提供されています。
Indonesian Roberta Base Posp Tagger
MIT
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。
シーケンスラベリング
Transformers その他
Transformers その他I
w11wo
2.2M
7
Bert Base NER
MIT
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。
シーケンスラベリング 英語
B
dslim
1.8M
592
Deid Roberta I2b2
MIT
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。
シーケンスラベリング Transformers 複数言語対応
Transformers 複数言語対応D
obi
1.1M
33
Ner English Fast
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。
シーケンスラベリング
PyTorch 英語
PyTorch 英語N
flair
978.01k
24
French Camembert Postag Model
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。
シーケンスラベリング Transformers フランス語
Transformers フランス語F
gilf
950.03k
9
Xlm Roberta Large Ner Spanish
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。
シーケンスラベリング Transformers スペイン語
Transformers スペイン語X
MMG
767.35k
29
Nusabert Ner V1.3
MIT
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
シーケンスラベリング Transformers その他
Transformers その他N
cahya
759.09k
3
Ner English Large
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。
シーケンスラベリング PyTorch 英語
PyTorch 英語N
flair
749.04k
44
Punctuate All
MIT
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。
シーケンスラベリング Transformers
TransformersP
kredor
728.70k
20
Xlm Roberta Ner Japanese
MIT
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
シーケンスラベリング Transformers 複数言語対応
Transformers 複数言語対応X
tsmatz
630.71k
25
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
Transformers 複数言語対応L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98