Nl Core News Md
CPU向けに最適化されたオランダ語処理フローで、形態素解析、品詞タグ付け、依存解析、固有表現認識などの機能を備えています。
ダウンロード数 15
リリース時間 : 3/2/2022
モデル概要
これは中規模のオランダ語処理モデルで、spaCyフレームワークをベースに開発され、様々なオランダ語テキスト処理タスクに適しています。モデルには完全な自然言語処理フローが含まれており、形態素解析、品詞タグ付け、依存解析、固有表現認識などのタスクを実行できます。
モデル特徴
CPU最適化
CPU使用に特化して最適化されており、GPUがない環境でのデプロイに適しています。
総合的なNLPフロー
形態素解析から固有表現認識まで、完全な自然言語処理コンポーネントを含んでいます。
事前学習済みベクトル
20000個の300次元の事前学習済み単語ベクトルを含み、意味理解能力を向上させます。
モデル能力
オランダ語形態素解析
品詞タグ付け
依存構文解析
固有表現認識
語形還元
文分割
形態解析
使用事例
テキスト分析
オランダ語テキストの前処理
オランダ語テキスト分析タスクに前処理機能を提供します。
正解率96.39%(UPOS品詞タグ付け)
情報抽出
オランダ語テキストから固有表現(人物、場所、組織など)を抽出します。
F1値75.28%
言語学研究
オランダ語文法解析
オランダ語の文の文法構造と依存関係を解析します。
依存解析UAS 86.82%、LAS 82.13%
🚀 nl_core_news_md
このモデルは、CPU向けに最適化されたオランダ語の自然言語処理パイプラインです。多様なタスクに対応し、高い精度を誇ります。
🚀 クイックスタート
詳細については、こちらを参照してください。
✨ 主な機能
- 命名エンティティ認識
- 品詞タグ付け
- 形態素解析
- 単語の原型化
- 文分割
- 依存関係解析
📚 ドキュメント
モデル情報
特性 | 詳細 |
---|---|
名称 | nl_core_news_md |
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 | tok2vec , morphologizer , tagger , parser , lemmatizer , attribute_ruler , ner |
コンポーネント | tok2vec , morphologizer , tagger , parser , lemmatizer , senter , attribute_ruler , ner |
ベクトル | 500000キー, 20000個の一意のベクトル(300次元) |
データソース | UDオランダ語LassySmall v2.8 (Bouma, Gosse; van Noord, Gertjan) オランダ語NERアノテーションUD LassySmall (NLP Town) UDオランダ語Alpino v2.8 (Zeman, Daniel; Žabokrtský, Zdeněk; Bouma, Gosse; van Noord, Gertjan) Explosion fastTextベクトル(cbow, OSCAR Common Crawl + Wikipedia) (Explosion) |
ライセンス | CC BY-SA 4.0 |
作者 | Explosion |
ラベルスキーム
ラベルスキームを表示(4つのコンポーネントの323個のラベル)
コンポーネント | ラベル |
---|---|
morphologizer |
POS=PRON|Person=3|PronType=Dem , Number=Sing|POS=AUX|Tense=Pres|VerbForm=Fin , POS=ADV , POS=VERB|VerbForm=Part , POS=PUNCT , Number=Sing|POS=AUX|Tense=Past|VerbForm=Fin , POS=ADP , POS=NUM , Number=Plur|POS=NOUN , POS=VERB|VerbForm=Inf , POS=SCONJ , Definite=Def|POS=DET , Gender=Com|Number=Sing|POS=NOUN , Number=Sing|POS=VERB|Tense=Pres|VerbForm=Fin , Degree=Pos|POS=ADJ , Gender=Neut|Number=Sing|POS=PROPN , Gender=Com|Number=Sing|POS=PROPN , POS=AUX|VerbForm=Inf , Number=Sing|POS=VERB|Tense=Past|VerbForm=Fin , POS=DET , Gender=Neut|Number=Sing|POS=NOUN , POS=PRON|Person=3|PronType=Prs , POS=CCONJ , Number=Plur|POS=VERB|Tense=Pres|VerbForm=Fin , POS=PRON|Person=3|PronType=Ind , Degree=Cmp|POS=ADJ , Case=Nom|POS=PRON|Person=1|PronType=Prs , Definite=Ind|POS=DET , Case=Nom|POS=PRON|Person=3|PronType=Prs , POS=PRON|Person=3|Poss=Yes|PronType=Prs , Number=Plur|POS=AUX|Tense=Pres|VerbForm=Fin , POS=PRON|PronType=Rel , Case=Acc|POS=PRON|Person=1|PronType=Prs , Number=Plur|POS=VERB|Tense=Past|VerbForm=Fin , Gender=Com,Neut|Number=Sing|POS=NOUN , Case=Acc|POS=PRON|Person=3|PronType=Prs|Reflex=Yes , Case=Acc|POS=PRON|Person=3|PronType=Prs , POS=PROPN , POS=PRON|PronType=Ind , POS=PRON|Person=3|PronType=Int , Case=Acc|POS=PRON|PronType=Rcp , Number=Plur|POS=AUX|Tense=Past|VerbForm=Fin , Number=Sing|POS=NOUN , POS=PRON|Person=1|Poss=Yes|PronType=Prs , POS=SYM , Abbr=Yes|POS=X , Gender=Com,Neut|Number=Sing|POS=PROPN , Degree=Sup|POS=ADJ , POS=ADJ , Number=Sing|POS=PROPN , POS=PRON|PronType=Dem , POS=AUX|VerbForm=Part , POS=SPACE , POS=PRON|Person=3|PronType=Rel , Number=Plur|POS=PROPN , POS=PRON|Person=2|Poss=Yes|PronType=Prs , Case=Dat|POS=PRON|PronType=Dem , Case=Nom|POS=PRON|Person=2|PronType=Prs , POS=INTJ , Case=Acc|POS=PRON|Person=2|PronType=Prs , Case=Gen|POS=PRON|Person=3|Poss=Yes|PronType=Prs , POS=PRON|PronType=Int , POS=PRON|Person=2|PronType=Prs , POS=PRON|Person=3 , Case=Gen|POS=PRON|Person=2|PronType=Prs , POS=X |
tagger |
ADJ|nom|basis|met-e|mv-n , ADJ|nom|basis|met-e|zonder-n|bijz , ADJ|nom|basis|met-e|zonder-n|stan , ADJ|nom|basis|zonder|mv-n , ADJ|nom|basis|zonder|zonder-n , ADJ|nom|comp|met-e|mv-n , ADJ|nom|comp|met-e|zonder-n|stan , ADJ|nom|sup|met-e|mv-n , ADJ|nom|sup|met-e|zonder-n|bijz , ADJ|nom|sup|met-e|zonder-n|stan , ADJ|nom|sup|zonder|zonder-n , ADJ|postnom|basis|met-s , ADJ|postnom|basis|zonder , ADJ|postnom|comp|met-s , ADJ|prenom|basis|met-e|bijz , ADJ|prenom|basis|met-e|stan , ADJ|prenom|basis|zonder , ADJ|prenom|comp|met-e|stan , ADJ|prenom|comp|zonder , ADJ|prenom|sup|met-e|stan , ADJ|prenom|sup|zonder , ADJ|vrij|basis|zonder , ADJ|vrij|comp|zonder , ADJ|vrij|dim|zonder , ADJ|vrij|sup|zonder , BW , LET , LID|bep|dat|evmo , LID|bep|gen|evmo , LID|bep|gen|rest3 , LID|bep|stan|evon , LID|bep|stan|rest , LID|onbep|stan|agr , N|eigen|ev|basis|gen , N|eigen|ev|basis|genus|stan , N|eigen|ev|basis|onz|stan , N|eigen|ev|basis|zijd|stan , N|eigen|ev|dim|onz|stan , N|eigen|mv|basis , N|soort|ev|basis|dat , N|soort|ev|basis|gen , N|soort|ev|basis|genus|stan , N|soort|ev|basis|onz|stan , N|soort|ev|basis|zijd|stan , N|soort|ev|dim|onz|stan , N|soort|mv|basis , N|soort|mv|dim , SPEC|afgebr , SPEC|afk , SPEC|deeleigen , SPEC|enof , SPEC|meta , SPEC|symb , SPEC|vreemd , TSW , TW|hoofd|nom|mv-n|basis , TW|hoofd|nom|mv-n|dim , TW|hoofd|nom|zonder-n|basis , TW|hoofd|nom|zonder-n|dim , TW|hoofd|prenom|stan , TW|hoofd|vrij , TW|rang|nom|mv-n , TW|rang|nom|zonder-n , TW|rang|prenom|stan , VG|neven , VG|onder , VNW|aanw|adv-pron|obl|vol|3o|getal , VNW|aanw|adv-pron|stan|red|3|getal , VNW|aanw|det|dat|nom|met-e|zonder-n , VNW|aanw|det|dat|prenom|met-e|evmo , VNW|aanw|det|gen|prenom|met-e|rest3 , VNW|aanw|det|stan|nom|met-e|mv-n , VNW|aanw|det|stan|nom|met-e|zonder-n , VNW|aanw|det|stan|prenom|met-e|rest , VNW|aanw|det|stan|prenom|zonder|agr , VNW|aanw|det|stan|prenom|zonder|evon , VNW|aanw|det|stan|prenom|zonder|rest , VNW|aanw|det|stan|vrij|zonder , VNW|aanw|pron|gen|vol|3m|ev , VNW|aanw|pron|stan|vol|3o|ev , VNW|aanw|pron|stan|vol|3|getal , VNW|betr|det|stan|nom|met-e|zonder-n , VNW|betr|det|stan|nom|zonder|zonder-n , VNW|betr|pron|stan|vol|3|ev , VNW|betr|pron|stan|vol|persoon|getal , VNW|bez|det|gen|vol|3|ev|prenom|met-e|rest3 , VNW|bez|det|stan|nadr|2v|mv|prenom|zonder|agr , VNW|bez|det|stan|red|1|ev|prenom|zonder|agr , VNW|bez|det|stan|red|2v|ev|prenom|zonder|agr , VNW|bez|det|stan|red|3|ev|prenom|zonder|agr , VNW|bez|det|stan|vol|1|ev|prenom|met-e|rest , VNW|bez|det|stan|vol|1|ev|prenom|zonder|agr , VNW|bez|det|stan|vol|1|mv|prenom|met-e|rest , VNW|bez|det|stan|vol|1|mv|prenom|zonder|evon , VNW|bez|det|stan|vol|2v|ev|prenom|zonder|agr , VNW|bez|det|stan|vol|2|getal|prenom|zonder|agr , VNW|bez|det|stan|vol|3m|ev|nom|met-e|zonder-n , VNW|bez|det|stan|vol|3m|ev|prenom|met-e|rest , VNW|bez|det|stan|vol|3p|mv|prenom|met-e|rest , VNW|bez|det|stan|vol|3v|ev|nom|met-e|zonder-n , VNW|bez|det|stan|vol|3v|ev|prenom|met-e|rest , VNW|bez|det|stan|vol|3|ev|prenom|zonder|agr , VNW|bez|det|stan|vol|3|mv|prenom|zonder|agr , VNW|excl|pron|stan|vol|3|getal , VNW|onbep|adv-pron|gen|red|3|getal , VNW|onbep|adv-pron|obl|vol|3o|getal , VNW|onbep|det|stan|nom|met-e|mv-n , VNW|onbep|det|stan|nom|met-e|zonder-n , VNW|onbep|det|stan|nom|zonder|zonder-n , VNW|onbep|det|stan|prenom|met-e|agr , VNW|onbep|det|stan|prenom|met-e|evz , VNW|onbep|det|stan|prenom|met-e|mv , VNW|onbep|det|stan|prenom|met-e|rest , VNW|onbep|det|stan|prenom|zonder|agr , VNW|onbep|det|stan|prenom|zonder|evon , VNW|onbep|det|stan|vrij|zonder , VNW|onbep|grad|gen|nom|met-e|mv-n|basis , VNW|onbep|grad|stan|nom|met-e|mv-n|basis , VNW|onbep|grad|stan|nom|met-e|mv-n|sup , VNW|onbep|grad|stan|nom|met-e|zonder-n|basis , VNW|onbep|grad|stan|nom|met-e|zonder-n|sup , VNW|onbep|grad|stan|prenom|met-e|agr|basis , VNW|onbep|grad|stan|prenom|met-e|agr|comp , VNW|onbep|grad|stan|prenom|met-e|agr|sup , VNW|onbep|grad|stan|prenom|met-e|mv|basis , VNW|onbep|grad|stan|prenom|zonder|agr|basis , VNW|onbep|grad|stan|prenom|zonder|agr|comp , VNW|onbep|grad|stan|vrij|zonder|basis , VNW|onbep|grad|stan|vrij|zonder|comp , VNW|onbep|grad|stan|vrij|zonder|sup , VNW|onbep|pron|gen|vol|3p|ev , VNW|onbep|pron|stan|vol|3o|ev , VNW|onbep|pron|stan|vol|3p|ev , VNW|pers|pron|gen|vol|2|getal , VNW|pers|pron|nomin|nadr|3m|ev|masc , VNW|pers|pron|nomin|nadr|3v|ev|fem , VNW|pers|pron|nomin|red|1|mv , VNW|pers|pron|nomin|red|2v|ev , VNW|pers|pron|nomin|red|2|getal , VNW|pers|pron|nomin|red|3p|ev|masc , VNW|pers|pron|nomin|red|3|ev|masc , VNW|pers|pron|nomin|vol|1|ev , VNW|pers|pron|nomin|vol|1|mv , VNW|pers|pron|nomin|vol|2b|getal , VNW|pers|pron|nomin|vol|2v|ev , VNW|pers|pron|nomin|vol|2|getal , VNW|pers|pron|nomin|vol|3p|mv , VNW|pers|pron|nomin|vol|3v|ev|fem , VNW|pers|pron|nomin|vol|3|ev|masc , VNW|pers|pron|obl|nadr|3m|ev|masc , VNW|pers|pron|obl|red|3|ev|masc , VNW|pers|pron|obl|vol|2v|ev , VNW|pers|pron|obl|vol|3p|mv , VNW|pers|pron|obl|vol|3|ev|masc , VNW|pers|pron|obl|vol|3|getal|fem , VNW|pers|pron|stan|nadr|2v|mv , VNW|pers|pron|stan|red|3|ev|fem , VNW|pers|pron|stan|red|3|ev|onz , VNW|pers|pron|stan|red|3|mv , VNW|pr|pron|obl|nadr|1|ev , VNW|pr|pron|obl|nadr|2v|getal , VNW|pr|pron|obl|nadr|2|getal , VNW|pr|pron|obl|red|1|ev , VNW|pr|pron|obl|red|2v|getal , VNW|pr|pron|obl|vol|1|ev , VNW|pr|pron|obl|vol|1|mv , VNW|pr|pron|obl|vol|2|getal , VNW|recip|pron|gen|vol|persoon|mv , VNW|recip|pron|obl|vol|persoon|mv , VNW|refl|pron|obl|nadr|3|getal , VNW|refl|pron|obl|red|3|getal , VNW|vb|adv-pron|obl|vol|3o|getal , VNW|vb|det|stan|nom|met-e|zonder-n , VNW|vb|det|stan|prenom|met-e|rest , VNW|vb|det|stan|prenom|zonder|evon , VNW|vb|pron|gen|vol|3m|ev , VNW|vb|pron|gen|vol|3p|mv , VNW|vb|pron|gen|vol|3v|ev , VNW|vb|pron|stan|vol|3o|ev , VNW|vb|pron|stan|vol|3p|getal , VZ|fin , VZ|init , VZ|versm , WW|inf|nom|zonder|zonder-n , WW|inf|prenom|met-e , WW|inf|vrij|zonder , WW|od|nom|met-e|mv-n , WW|od|nom|met-e|zonder-n , WW|od|prenom|met-e , WW|od|prenom|zonder , WW|od|vrij|zonder , WW|pv|conj|ev , WW|pv|tgw|ev , WW|pv|tgw|met-t , WW|pv|tgw|mv , WW|pv|verl|ev , WW|pv|verl|mv , WW|vd|nom|met-e|mv-n , WW|vd|nom|met-e|zonder-n , WW|vd|prenom|met-e , WW|vd|prenom|zonder , WW|vd|vrij|zonder , _SP |
parser |
ROOT , acl , acl:relcl , advcl , advmod , amod , appos , aux , aux:pass , case , cc , ccomp , compound:prt , conj , cop , csubj , dep , det , expl , expl:pv , fixed , flat , iobj , mark , nmod , nmod:poss , nsubj , nsubj:pass , nummod , obj , obl , obl:agent , orphan , parataxis , punct , xcomp |
ner |
CARDINAL , DATE , EVENT , FAC , GPE , LANGUAGE , LAW , LOC , MONEY , NORP , ORDINAL , ORG , PERCENT , PERSON , PRODUCT , QUANTITY , TIME , WORK_OF_ART |
精度
タイプ | スコア |
---|---|
TAG_ACC |
94.99 |
SENTS_P |
85.43 |
SENTS_R |
88.31 |
SENTS_F |
86.84 |
DEP_UAS |
86.82 |
DEP_LAS |
82.13 |
ENTS_P |
76.69 |
ENTS_R |
73.93 |
ENTS_F |
75.28 |
TOKEN_ACC |
99.94 |
TOKEN_P |
99.74 |
TOKEN_R |
99.76 |
TOKEN_F |
99.75 |
POS_ACC |
96.39 |
MORPH_ACC |
96.06 |
MORPH_MICRO_P |
96.97 |
MORPH_MICRO_R |
95.06 |
MORPH_MICRO_F |
96.01 |
LEMMA_ACC |
95.42 |
📄 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

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

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
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

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

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

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
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

P
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

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

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

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