%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 Trf
TrSpaCy用のトルコ語変換器パイプラインで、変換器、タグ付け器、形態解析器、見出し語化器、構文解析器、および固有表現認識器のコンポーネントを含みます。
ダウンロード数 208
リリース時間 : 10/31/2022
モデル概要
これは、変換器ベースのトルコ語自然言語処理モデルで、SpaCyフレームワーク用に設計されており、品詞タグ付け、形態解析、固有表現認識などのさまざまなNLPタスクをサポートします。
モデル特徴
包括的なNLPコンポーネント
変換器、タグ付け器、形態解析器、見出し語化器、構文解析器、および固有表現認識器を含み、さまざまなNLPタスクをカバーします。
高性能
NERタスクでF値が0.913、品詞タグ付けの正解率が0.917と、優れた性能を発揮します。
変換器アーキテクチャに基づく
dbmdzトルコ語BERTモデル（大文字小文字を区別）をベースに使用し、強力な言語理解能力を備えています。
モデル能力
品詞タグ付け
形態解析
見出し語化
依存構文解析
固有表現認識
文分割
使用事例
テキスト処理
トルコ語テキスト分析
トルコ語テキストに対して、品詞タグ付け、形態解析などの包括的な言語学的分析を行います。
テキスト内の品詞、形態特徴、および構文関係を正確に識別します
情報抽出
固有表現認識
トルコ語テキストから人名、地名などの固有表現を識別して分類します。
NERのF値が0.913に達します
🚀 tr_core_news_trf
TrSpaCy用のトルコ語トランスフォーマーパイプラインです。コンポーネントには、transformer、tagger、morphologizer、lemmatizer、parser、nerが含まれています。
✨ 主な機能
- トルコ語の自然言語処理タスクに対応
- 多様なトークン分類タスク（NER、TAG、POSなど）をサポート
📚 ドキュメント
モデル情報
| 属性 | 详情 |
|---|---|
| モデル名 | tr_core_news_trf |
| 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 | transformer, tagger, morphologizer, trainable_lemmatizer, parser, ner |
| コンポーネント | transformer, tagger, morphologizer, trainable_lemmatizer, parser, ner |
| ベクトル | 0 キー, 0 ユニークベクトル (0 次元) |
| 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) dbmdz Turkish BERT model (cased) (Bayerische Staatsbibliothek) |
| ライセンス | cc-by-sa-4.0 |
| 作者 | Duygu |
評価指標
| タスク名 | 指標名 | 指標タイプ | 値 |
|---|---|---|---|
| NER | NER Precision | precision | 0.9135450185 |
| NER | NER Recall | recall | 0.9127138178 |
| NER | NER F Score | f_score | 0.913129229 |
| TAG | TAG (XPOS) Accuracy | accuracy | 0.9174219957 |
| POS | POS (UPOS) Accuracy | accuracy | 0.9094402673 |
| MORPH | Morph (UFeats) Accuracy | accuracy | 0.9145220588 |
| LEMMA | Lemma Accuracy | accuracy | 0.8782380178 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | f_score | 0.7988988989 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | f_score | 0.7189673288 |
| SENTS | Sentences F-Score | f_score | 0.8765432099 |
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 1572 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|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 |
📄 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