%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
Tr Core News Lg
トルコ語の大型自然言語処理パイプラインで、トークン化、品詞タグ付け、形態解析、語形還元、依存構文解析、命名エンティティ認識などの機能を備えています。
ダウンロード数 94
リリース時間 : 11/3/2022
モデル概要
これはトルコ語向けの大型spaCyモデルで、品詞タグ付け、形態解析、語形還元、依存構文解析、命名エンティティ認識などの包括的な自然言語処理機能を提供します。
モデル特徴
包括的なトルコ語処理能力
トルコ語の品詞タグ付け、形態解析、語形還元、構文解析、命名エンティティ認識などのさまざまなタスクをサポートします。
高性能なタグ付け
命名エンティティ認識タスクではF1値が0.89、品詞タグ付けの正解率が0.91に達します。
豊富な学習データソース
UD Turkish BOUN、Turkish Wiki NER dataset、PANX/WikiANNなどの複数の高品質データセットを統合しています。
モデル能力
品詞タグ付け
形態解析
語形還元
依存構文解析
命名エンティティ認識
文境界検出
使用事例
テキスト分析
トルコ語テキスト処理
トルコ語テキストに対して品詞タグ付けと形態解析を行います。
品詞タグ付けの正解率91.19%、形態解析の正解率89.13%
情報抽出
命名エンティティ認識
トルコ語テキストから人名、地名、機関名などのエンティティを識別します。
F1値が88.90%に達します。
🚀 tr_core_news_lg
TrSpaCy用の大規模トルコ語パイプラインです。構成要素には、tok2vec、tagger、morphologizer、lemmatizer、parser、nerが含まれます。
✨ 主な機能
このモデルは、トルコ語の自然言語処理タスクをサポートしており、以下のようなタスクに対応しています。
- 名前付きエンティティ認識 (NER)
- 品詞タグ付け (TAG)
- 汎用品詞タグ付け (POS)
- 形態素解析 (MORPH)
- 語幹化 (LEMMA)
- 依存構造解析 (UNLABELED_DEPENDENCIES、LABELED_DEPENDENCIES)
- 文分割 (SENTS)
📚 ドキュメント
モデル情報
| 属性 | 詳情 |
|---|---|
| モデル名 | tr_core_news_lg |
| バージョン | 3.4.2 |
| spaCy | >=3.4.2,<3.5.0 |
| デフォルトパイプライン | tok2vec, tagger, morphologizer, trainable_lemmatizer, parser |
| 構成要素 | tok2vec, tagger, morphologizer, trainable_lemmatizer, parser |
| ベクトル | -1 keys, 200000 unique vectors (300 dimensions) |
| ソース | UD Turkish BOUN (Türk, Utku; Atmaca, Furkan; Özateş, Şaziye Betül; Berk, Gözde; Bedir, Seyyit Talha; Köksal, Abdullatif; Öztürk Başaran, Balkız; Güngör, Tunga; Özgür, Arzucan) Turkish Wiki NER dataset (Duygu Altinok, Co-one Istanbul) PANX/WikiANN (Xiaoman Pan, Boliang Zhang, Jonathan May, Joel Nothman, Kevin Knight, Heng Ji) Large-sized Turkish Floret word vectors (MC4 corpus) (Duygu Altinok) |
| ライセンス | cc-by-sa-4.0 |
| 作者 | Duygu Altinok |
ラベルスキーム
ラベルスキームを表示 (3つのコンポーネントに対する1552個のラベル)
| コンポーネント | ラベル |
|---|---|
tagger |
ADP, ADV, ANum, ANum_Adj, ANum_Ness, ANum_Noun, ANum_With, ANum_Zero, Abr, Abr_With, Adj, Adj_Ness, Adj_With, Adj_Without, Adj_Zero, Adv, Adverb, Adverb_Adverb, Adverb_Noun, Adverb_Zero, Conj, Conj_Conj, DET, Demons, Demons_Zero, Det, Det_Zero, Dup, Interj, NAdj, NAdj_Aux, NAdj_Ness, NAdj_Noun, NAdj_Rel, NAdj_Verb, NAdj_With, NAdj_Without, NAdj_Zero, NNum, NNum_Rel, NNum_Zero, NOUN, Neg, Ness, Noun, Noun_Ness, Noun_Noun, Noun_Rel, Noun_Since, Noun_Verb, Noun_With, Noun_With_Ness, Noun_With_Verb, Noun_With_Zero, Noun_Without, Noun_Zero, PCAbl, PCAbl_Rel, PCAcc, PCDat, PCDat_Zero, PCGen, PCIns, PCIns_Zero, PCNom, PCNom_Adj, PCNom_Noun, PCNom_Zero, PRON, PUNCT, Pers, Pers_Ness, Pers_Pers, Pers_Rel, Pers_Zero, Postp, Prop, Prop_Conj, Prop_Rel, Prop_Since, Prop_With, Prop_Zero, Punc, Punc_Noun_Ness, Punc_Noun_Rel, Quant, Quant_Zero, Ques, Ques_Zero, Reflex, Reflex_Zero, Rel, SYM, Since, Since_Since, Verb, Verb_Conj, Verb_Ness, Verb_Noun, Verb_Verb, Verb_With, Verb_Zero, With, Without, Without_Zero, Zero |
morphologizer |
NumType=Card|POS=NUM, Aspect=Perf|Case=Loc|Mood=Ind|Number=Plur,Sing|Number[psor]=Sing|POS=NOUN|Person=1,3|Person[psor]=3|Tense=Pres, POS=PUNCT, POS=ADV, POS=NOUN, Case=Nom|Number=Sing|POS=ADJ|Person=3, POS=DET, Case=Loc|Number=Sing|POS=VERB|Person=1, Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Dat|Number=Sing|POS=VERB|Person=3, POS=ADJ, Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part, Case=Gen|Number=Sing|POS=NOUN|Person=3, POS=PRON, Case=Nom|Number=Sing|POS=NOUN|Person=3, Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part, POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part, Case=Acc|Number=Plur|POS=NOUN|Person=3, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Tense=Past, Case=Nom|Number=Sing|POS=PROPN|Person=3, Case=Dat|Number=Sing|POS=PROPN|Person=3, POS=VERB|Polarity=Pos, Case=Acc|Number=Sing|POS=VERB|Person=3|Polarity=Pos, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past, Aspect=Prog|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past, Case=Abl|Number=Sing|POS=ADJ|Person=3, Case=Nom|Number=Plur|POS=NOUN|Person=3, Case=Loc|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, POS=INTJ, Case=Abl|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Ins|Number=Sing|Number[psor]=Sing|POS=PROPN|Person=3, Case=Loc|Number=Sing|POS=PROPN|Person=3, Case=Acc|Number=Sing|POS=NOUN|Person=3, Aspect=Imp|POS=VERB|Polarity=Pos|Tense=Fut|VerbForm=Part, Case=Nom|Number=Sing|POS=PRON|Person=3, POS=CCONJ, Case=Nom|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Nom|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|VerbForm=Conv|Voice=Cau, Case=Dat|Number=Sing|Number[psor]=Plur|POS=ADJ|Person=3|Person[psor]=1, Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres, Case=Gen|Number=Sing|POS=PROPN|Person=3, Case=Abl|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Nom|Number=Sing|POS=ADP|Person=3, Case=Dat|Number=Plur|POS=NOUN|Person=3, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past|Voice=Pass, Case=Nom|POS=VERB|Polarity=Pos, Case=Nom|Number=Sing|POS=VERB|Person=3, Case=Loc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Nom|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Voice=Cau, Case=Dat|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Acc|Number=Sing|POS=PROPN|Person=3, Aspect=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Fut, POS=ADP, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past|Voice=Pass, Evident=Nfh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past, Case=Nom|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1, Aspect=Perf|Number[psor]=Sing|POS=VERB|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part, Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part, Case=Acc|Number=Plur|POS=PRON|Person=3, Aspect=Perf|Number[psor]=Sing|POS=VERB|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part|Voice=Cau, Case=Acc|Number=Plur|POS=VERB|Person=3, Aspect=Perf|Case=Abl|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part, Mood=Opt|Number=Sing|POS=VERB|Person=1|Polarity=Pos, Case=Dat|Number=Sing|POS=NOUN|Person=3, Aspect=Prog|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres, Case=Gen|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Dat|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Aspect=Prog|Evident=Fh|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Past, Case=Acc|Number=Sing|POS=PRON|Person=1, Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Past, Case=Ins|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Gen|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1, Case=Dat|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3, Case=Gen|Number=Sing|POS=PRON|Person=3, Case=Acc|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1, Aspect=Hab|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres, Aspect=Hab|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Pres, Case=Loc|Number=Sing|POS=NOUN|Person=3, Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part, Aspect=Hab|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past, Case=Gen|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1, Aspect=Hab|Mood=Pot|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres, Case=Acc|Number=Plur|POS=PRON|Person=1, Case=Nom|Number=Sing|POS=NOUN|Person=3|Polarity=Pos, Case=Nom|Number=Sing|Number[psor]=Sing|POS=PRON|Person=3|Person[psor]=3, Aspect=Hab|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|VerbForm=Conv, Aspect=Hab|Mood=Pot|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Cau, Case=Dat|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1, Case=Abl|Number=Sing|POS=NOUN|Person=3, Mood=Imp|POS=VERB|Polarity=Pos|VerbForm=Conv, Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Past, Case=Nom|Number=Plur|POS=PRON|Person=3, Case=Nom|Number=Sing|Number[psor]=Sing|POS=NUM|Person=3|Person[psor]=3, Case=Nom|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Neg|Tense=Past|Voice=Cau, Case=Nom|Number=Plur|POS=ADJ|Person=3, Aspect=Hab|Mood=Cnd|Number=Plur|POS=VERB|Person=2|Polarity=Pos|Tense=Pres, Aspect=Hab|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Pres, Aspect=Hab|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Pres, Aspect=Hab|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Pres, Case=Gen|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Case=Gen|Number=Plur|POS=NOUN|Person=3, Case=Ins|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3|Polarity=Pos, Aspect=Imp|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Fut|VerbForm=Part, Case=Acc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3, Aspect=Imp|Number=Sing|POS=AUX|Person=3|Tense=Pres, Case=Loc|Number=Sing|POS=NUM|Person=3, Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Past, Case=Loc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=2, Case=Gen|Number=Plur|POS=PRON|Person=1, Aspect=Perf|Number[psor]=Plur|POS=VERB|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part, Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Pres, Case=Nom|Number=Sing|POS=PRON|Person=1, Case=Nom|Number=Sing|POS=NOUN|Person=1, Mood=Cnd|Number=Sing|POS=AUX|Person=3|Polarity=Pos, Case=Acc|Number=Sing|POS=PRON|Person=3, Aspect=Prog|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Pres, Case=Ins|Number=Sing|POS=NOUN|Person=3, POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part|Voice=Pass, Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part, Case=Nom|POS=VERB|Polarity=Pos|Voice=Cau, Aspect=Prog|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past, Case=Nom|Number=Sing|POS=ADJ|Person=3|Polarity=Pos, Case=Acc|Number=Sing|POS=VERB|Person=3, Aspect=Perf|Case=Nom|Mood=Gen|Number=Sing|POS=NOUN|Person=3|Tense=Pres, Case=Abl|Number=Plur|POS=NOUN|Person=3, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past, Aspect=Prog|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Past, Mood=Imp|POS=VERB|Polarity=Pos|VerbForm=Conv|Voice=Cau, Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past|Voice=Cau, Case=Nom|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=3, Case=Loc|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3, Case=Nom|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3, POS=VERB|Polarity=Neg|Tense=Pres|VerbForm=Part, Case=Dat|Number=Plur|POS=PRON|Person=2, Case=Abl|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Voice=Cau, Aspect=Imp|Number=Sing|POS=VERB|Person=1|Polarity=Neg|Tense=Fut, Case=Nom|Number=Plur|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3, Case=Gen|Number=Plur|POS=ADJ|Person=3, Case=Loc|Number=Plur|POS=VERB|Person=3|Polarity=Pos, Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part|Voice=Pass, Aspect=Hab|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|VerbForm=Conv|Voice=Pass, Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos, Case=Dat|Number=Sing|POS=ADJ|Person=3, Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Voice=Pass, Aspect=Imp|Case=Nom|Mood=Pot|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Fut|VerbForm=Part|Voice=Pass, Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Cau, Aspect=Hab|Mood=Cnd|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres, Case=Dat|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1, Case=Equ|Number=Sing|POS=PRON|Person=1, Case=Abl|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3, Case=Nom|Number=Sing|POS=VERB|Person=3|Polarity=Pos, Evident=Nfh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past|Voice=Pass, Case=Nom|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1, Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Plur|POS=VERB|Person=3|Person[psor]=1|Polarity=Neg|Tense=Past|VerbForm=Part, `Case=Dat|Number=Sing| |
評価指標
| タスク | 指標 | 値 |
|---|---|---|
| NER | NER Precision | 0.8953552753 |
| NER Recall | 0.8828096567 | |
| NER F Score | 0.889038209 | |
| TAG | TAG (XPOS) Accuracy | 0.9119084416 |
| POS | POS (UPOS) Accuracy | 0.9067747055 |
| MORPH | Morph (UFeats) Accuracy | 0.891348845 |
| LEMMA | Lemma Accuracy | 0.8231760731 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.7348022033 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.6372603014 |
| SENTS | Sentences F-Score | 0.8446550816 |
📄 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