%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
Sv Core News Sm
spaCyが提供するスウェーデン語の小型自然言語処理モデル、CPU向けに最適化され、トークン化、品詞タグ付け、依存解析などの完全なNLPプロセスを含む
ダウンロード数 87
リリース時間 : 5/2/2022
モデル概要
これはスウェーデン語向けの小型自然言語処理モデルで、Universal Dependenciesコーパスで訓練されており、品詞タグ付け、固有表現認識、依存構文解析などのコアNLPタスクをサポートします。
モデル特徴
CPU最適化
CPU使用シナリオ向けに特別に最適化されており、リソースが限られた環境に適している
完全なNLPプロセス
トークン化から固有表現認識までの完全な自然言語処理コンポーネントを含む
高精度な品詞タグ付け
品詞タグ付けの精度は95.11%（UPOS）と93.52%（XPOS）を達成
豊富な形態素解析
スウェーデン語の豊富な形態素特徴分析をサポートし、精度は94.07%
モデル能力
テキストトークン化
品詞タグ付け
形態素解析
依存構文解析
固有表現認識
レンマ化
文境界検出
使用事例
テキスト処理
スウェーデン語テキスト分析
スウェーデン語テキストの文法解析と構造解析
文の成分間の文法関係を識別可能
情報抽出
スウェーデン語テキストから固有表現を抽出
NER F値は0.749を達成
言語学応用
スウェーデン語形態学研究
スウェーデン語語彙の形態変化を分析
形態素特徴の精度は94.07%
🚀 sv_core_news_sm
このモデルは、CPUで最適化されたスウェーデン語のパイプラインです。様々な自然言語処理タスク（NER、TAG、POSなど）に対応しており、高精度な結果を提供します。
🚀 クイックスタート
詳細情報については、こちらを参照してください。
✨ 主な機能
- 複数のトークン分類タスク（NER、TAG、POSなど）に対応
- CPUでの最適化された性能
📦 インストール
READMEにインストール手順が記載されていないため、このセクションは省略されました。
💻 使用例
READMEにコード例が記載されていないため、このセクションは省略されました。
📚 ドキュメント
モデル情報
| プロパティ | 詳細 |
|---|---|
| モデル名 | sv_core_news_sm |
| 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, tagger, morphologizer, parser, lemmatizer, attribute_ruler, ner |
| コンポーネント | tok2vec, tagger, morphologizer, parser, lemmatizer, senter, attribute_ruler, ner |
| ベクトル | 0 キー, 0 ユニークベクトル (0 次元) |
| ソース | UD Swedish Talbanken v2.8 (Nivre, Joakim; Smith, Aaron) Stockholm-Umeå Corpus (SUC) v3.0 (Språkbanken) |
| 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に対する381個のラベル)
| コンポーネント | ラベル |
|---|---|
tagger |
AB, AB|AN, AB|KOM, AB|POS, AB|SMS, AB|SUV, DT|NEU|SIN|DEF, DT|NEU|SIN|IND, DT|NEU|SIN|IND/DEF, DT|UTR/NEU|PLU|DEF, DT|UTR/NEU|PLU|IND, DT|UTR/NEU|PLU|IND/DEF, DT|UTR/NEU|SIN/PLU|IND, DT|UTR/NEU|SIN|DEF, DT|UTR/NEU|SIN|IND, DT|UTR|SIN|DEF, DT|UTR|SIN|IND, DT|UTR|SIN|IND/DEF, HA, HD|NEU|SIN|IND, HD|UTR/NEU|PLU|IND, HD|UTR|SIN|IND, HP|-|-|-, HP|NEU|SIN|IND, HP|UTR/NEU|PLU|IND, HP|UTR|SIN|IND, HS|DEF, IE, IN, JJ, JJ|AN, JJ|KOM|UTR/NEU|SIN/PLU|IND/DEF|NOM, JJ|POS|MAS|SIN|DEF|GEN, JJ|POS|MAS|SIN|DEF|NOM, JJ|POS|NEU|SIN|IND/DEF|NOM, JJ|POS|NEU|SIN|IND|NOM, JJ|POS|UTR/NEU|PLU|IND/DEF|GEN, JJ|POS|UTR/NEU|PLU|IND/DEF|NOM, JJ|POS|UTR/NEU|PLU|IND|NOM, JJ|POS|UTR/NEU|SIN/PLU|IND/DEF|NOM, JJ|POS|UTR/NEU|SIN|DEF|NOM, JJ|POS|UTR|-|-|SMS, JJ|POS|UTR|SIN|IND/DEF|NOM, JJ|POS|UTR|SIN|IND|GEN, JJ|POS|UTR|SIN|IND|NOM, JJ|SUV|MAS|SIN|DEF|NOM, JJ|SUV|UTR/NEU|PLU|DEF|NOM, JJ|SUV|UTR/NEU|SIN/PLU|DEF|NOM, JJ|SUV|UTR/NEU|SIN/PLU|IND|NOM, KN, MAD, MID, NN, NN|-|-|-|-, NN|AN, NN|NEU|-|-|SMS, NN|NEU|PLU|DEF|GEN, NN|NEU|PLU|DEF|NOM, NN|NEU|PLU|IND|GEN, NN|NEU|PLU|IND|NOM, NN|NEU|SIN|DEF|GEN, NN|NEU|SIN|DEF|NOM, NN|NEU|SIN|IND, NN|NEU|SIN|IND|GEN, NN|NEU|SIN|IND|NOM, NN|SMS, NN|UTR|-|-|-, NN|UTR|-|-|SMS, NN|UTR|PLU|DEF|GEN, NN|UTR|PLU|DEF|NOM, NN|UTR|PLU|IND|GEN, NN|UTR|PLU|IND|NOM, NN|UTR|SIN|DEF|GEN, NN|UTR|SIN|DEF|NOM, NN|UTR|SIN|IND|GEN, NN|UTR|SIN|IND|NOM, PAD, PC|PRF|NEU|SIN|IND|NOM, PC|PRF|UTR/NEU|PLU|IND/DEF|GEN, PC|PRF|UTR/NEU|PLU|IND/DEF|NOM, PC|PRF|UTR/NEU|SIN|DEF|NOM, PC|PRF|UTR|SIN|IND|NOM, PC|PRS|UTR/NEU|SIN/PLU|IND/DEF|NOM, PL, PM, PM|GEN, PM|NOM, PM|SMS, PN|MAS|SIN|DEF|SUB/OBJ, PN|NEU|SIN|DEF, PN|NEU|SIN|DEF|SUB/OBJ, PN|NEU|SIN|IND|SUB/OBJ, PN|UTR/NEU|PLU|DEF|OBJ, PN|UTR/NEU|PLU|DEF|SUB, PN|UTR/NEU|PLU|DEF|SUB/OBJ, PN|UTR/NEU|PLU|IND|SUB/OBJ, PN|UTR/NEU|SIN/PLU|DEF|OBJ, PN|UTR|PLU|DEF|OBJ, PN|UTR|PLU|DEF|SUB, PN|UTR|SIN|DEF|NOM, PN|UTR|SIN|DEF|OBJ, PN|UTR|SIN|DEF|SUB, PN|UTR|SIN|DEF|SUB/OBJ, PN|UTR|SIN|IND|NOM, PN|UTR|SIN|IND|SUB, PN|UTR|SIN|IND|SUB/OBJ, PP, PS|NEU|SIN|DEF, PS|UTR/NEU|PLU|DEF, PS|UTR/NEU|SIN/PLU|DEF, PS|UTR|SIN|DEF, RG|NEU|SIN|IND|NOM, RG|NOM, RG|SMS, RG|UTR|SIN|IND|NOM, RO|MAS|SIN|IND/DEF|NOM, RO|NOM, SN, UO, VB|AN, VB|IMP|AKT, VB|IMP|SFO, VB|INF|AKT, VB|INF|SFO, VB|KON|PRS|AKT, VB|KON|PRT|AKT, VB|PRS|AKT, VB|PRS|SFO, VB|PRT|AKT, VB|PRT|SFO, VB|SUP|AKT, VB|SUP|SFO, _SP |
morphologizer |
Case=Nom|Definite=Ind|Degree=Pos|Gender=Com|Number=Sing|POS=ADJ, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=NOUN, POS=ADP, Case=Nom|Definite=Ind|Gender=Com|Number=Plur|POS=NOUN, Case=Nom|Definite=Def|Gender=Com|Number=Sing|POS=NOUN, Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin|Voice=Pass, POS=PUNCT, Definite=Def|Gender=Neut|Number=Sing|POS=PRON|PronType=Prs, Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin|Voice=Act, Abbr=Yes|POS=ADV, POS=SCONJ, POS=ADV, Case=Nom|Definite=Ind|Gender=Com|NumType=Card|Number=Sing|POS=NUM, Mood=Ind|POS=AUX|Tense=Pres|VerbForm=Fin|Voice=Act, POS=PART, POS=VERB|VerbForm=Inf, Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Prs, Number=Plur|POS=DET|PronType=Tot, Case=Nom|Definite=Ind|Gender=Neut|Number=Sing|POS=NOUN, Case=Nom|Degree=Pos|Number=Plur|POS=ADJ, Case=Nom|Definite=Ind|Gender=Neut|Number=Plur|POS=NOUN, POS=CCONJ, Definite=Def|Number=Plur|POS=DET|PronType=Art, POS=PRON|PronType=Rel, Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Dem, Degree=Pos|POS=ADV, Definite=Def|Number=Plur|POS=DET|PronType=Dem, Case=Nom|Definite=Ind|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Definite=Def|Gender=Com|Number=Sing|POS=DET|PronType=Art, Case=Nom|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, POS=VERB|VerbForm=Sup|Voice=Act, Case=Nom|Definite=Def|Gender=Neut|Number=Sing|POS=NOUN, POS=PART|Polarity=Neg, Case=Nom|Degree=Pos|POS=ADJ, Case=Gen|Definite=Ind|Gender=Com|Number=Plur|POS=NOUN, Degree=Cmp|POS=ADV, POS=VERB|VerbForm=Inf|Voice=Pass, Case=Nom|Definite=Ind|Degree=Pos|Number=Plur|POS=ADJ, Case=Nom|Definite=Def|Gender=Com|Number=Plur|POS=NOUN, Degree=Sup|POS=ADV, Case=Nom|NumType=Card|POS=NUM, Abbr=Yes|POS=NOUN, Case=Nom|Definite=Def|Degree=Sup|POS=ADJ, Case=Gen|Definite=Ind|Gender=Neut|Number=Sing|POS=NOUN, Mood=Imp|POS=VERB|VerbForm=Fin|Voice=Act, POS=VERB|VerbForm=Inf|Voice=Act, Case=Nom|Definite=Def|Gender=Neut|Number=Plur|POS=NOUN, Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin, Case=Gen|Definite=Ind|Gender=Neut|Number=Plur|POS=NOUN, POS=AUX|VerbForm=Inf|Voice=Act, Case=Nom|Definite=Ind|Gender=Neut|Number=Sing|POS=ADJ|Tense=Past|VerbForm=Part, Case=Nom|Definite=Def|Number=Plur|POS=PRON|PronType=Prs, Case=Nom|Number=Plur|POS=ADJ|Tense=Past|VerbForm=Part, POS=AUX|VerbForm=Sup|Voice=Act, Case=Acc|Definite=Def|Number=Plur|POS=PRON|PronType=Rcp, POS=SPACE, POS=VERB|VerbForm=Sup|Voice=Pass, Mood=Ind|POS=AUX|Tense=Past|VerbForm=Fin|Voice=Act, Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Nom|Definite=Def|Degree=Pos|Number=Sing|POS=ADJ, Case=Nom|Degree=Cmp|POS=ADJ, Definite=Ind|Number=Sing|POS=DET|PronType=Tot, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Art, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=ADJ|Tense=Past|VerbForm=Part, Definite=Ind|POS=DET|PronType=Ind, Case=Nom|Definite=Def|Number=Sing|POS=ADJ|Tense=Past|VerbForm=Part, Case=Nom|POS=ADJ|Tense=Pres|VerbForm=Part, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Ind, Definite=Def|Gender=Neut|Number=Sing|POS=PRON|PronType=Dem, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Mood=Ind|POS=VERB|Tense=Past|VerbForm=Fin|Voice=Act, Case=Acc|Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Prs, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Int, Definite=Def|Gender=Com|Number=Sing|POS=PRON|Poss=Yes|PronType=Prs, Definite=Def|Gender=Neut|Number=Sing|POS=PRON|Poss=Yes|PronType=Prs, Case=Nom|Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Prs, Definite=Def|Number=Plur|POS=PRON|PronType=Dem, Definite=Def|Number=Plur|POS=PRON|Poss=Yes|PronType=Prs, Case=Acc|Definite=Def|Number=Plur|POS=PRON|PronType=Prs, Case=Nom|Definite=Def|Degree=Sup|Number=Plur|POS=ADJ, Case=Nom|Degree=Pos|Gender=Com|Number=Sing|POS=ADJ, Gender=Com|Number=Sing|POS=DET|PronType=Tot, Definite=Def|Gender=Com|Number=Sing|POS=DET|PronType=Dem, Case=Gen|Definite=Ind|Gender=Com|Number=Sing|POS=NOUN, POS=NOUN, Case=Nom|POS=ADJ, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Ind, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Ind, Definite=Ind|Number=Plur|POS=PRON|PronType=Tot, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Ind, Definite=Ind|Number=Plur|POS=PRON|PronType=Ind, Definite=Def|POS=PRON|Poss=Yes|PronType=Ind, Case=Gen|Definite=Def|Gender=Neut|Number=Sing|POS=NOUN, Gender=Com|POS=NOUN, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Tot, Case=Gen|Definite=Def|Gender=Com|Number=Sing|POS=NOUN, Case=Acc|Definite=Def|POS=PRON|PronType=Prs, Definite=Def|POS=PRON|Poss=Yes|PronType=Prs, Case=Nom|POS=PROPN, Case=Nom|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part, Case=Nom|Definite=Def|Gender=Com|Number=Plur|POS=PRON|PronType=Prs, Definite=Def|Number=Plur|POS=DET|PronType=Prs, Case=Gen|Number=Plur|POS=ADJ|Tense=Past|VerbForm=Part, Case=Acc|Definite=Def|Gender=Com|Number=Plur|POS=PRON|PronType=Prs, Definite=Ind|Number=Plur|POS=PRON|PronType=Rel, Mood=Ind|POS=VERB|Tense=Past|VerbForm=Fin, Definite=Ind|Number=Plur|POS=PRON|PronType=Int, Number=Plur|POS=DET|PronType=Ind, Case=Gen|POS=PROPN, POS=PROPN, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Int, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Tot, Gender=Neut|POS=NOUN, Case=Gen|Definite=Def|Gender=Com|Number=Plur|POS=NOUN, Definite=Ind|Number=Plur|POS=DET|PronType=Int, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Neg, POS=VERB|VerbForm=Sup, Case=Gen|Definite=Def|Gender=Neut|Number=Plur|POS=NOUN, Mood=Ind|POS=VERB|Tense=Past|VerbForm=Fin|Voice=Pass, Case=Nom|Definite=Ind|Gender=Neut|NumType=Card|Number=Sing|POS=NUM, Foreign=Yes|POS=NOUN, Foreign=Yes|POS=ADJ, Definite=Def|Gender=Neut|Number=Sing|POS=PRON|PronType=Ind, Definite=Ind|Number=Plur|POS=DET|PronType=Ind, POS=SYM, Case=Nom|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Definite=Def|Number=Sing|POS=DET|PronType=Tot, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Ind, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Int, Case=Nom|Definite=Ind|Degree=Sup|POS=ADJ, Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Dem, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Neg, Mood=Sub|POS=AUX|Tense=Past|VerbForm=Fin|Voice=Act, Degree=Pos|Gender=Com|POS=ADJ, Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Ind, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part, Case=Nom|Definite=Ind|Gender=Neut|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part, Definite=Def|Number=Plur|POS=PRON|PronType=Ind, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Prs, Definite=Ind|POS=DET|PronType=Prs, Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Prs, Definite=Def|POS=PRON|Poss=Yes|PronType=Rel, Case=Gen|Degree=Pos|Number=Plur|POS=ADJ, Definite=Def|Number=Plur|POS=PRON|Poss=Yes|PronType=Ind, Definite=Def|Gender=Com|Number=Sing|POS=DET|PronType=Prs, Abbr=Yes|POS=ADJ, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Rel, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Rel, NumType=Card|POS=NUM, POS=INTJ, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Int, Degree=Sup|POS=ADV|Polarity=Neg, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Tot, Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Prs, Definite=Def|POS=PRON|Poss=Yes|PronType=Int, POS=ADV|Polarity=Neg, Definite=Ind|Number=Sing|POS=DET|PronType=Ind, POS=ADJ, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronType=Prs, Case=Gen|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Definite=Ind|Gender=Neut|Number=Sing|POS=NOUN, Case=Nom|Definite=Def|Gender=Com|Number=Sing|POS=PRON|PronType=Tot, Gender=Neut|Number=Sing|POS=DET|PronType=Tot, Definite=Ind|Gender=Neut|Number=Sing|POS=PRON|PronType=Neg, Case=Nom|Gender=Masc|Number=Sing|POS=ADJ, Definite=Ind|Number=Plur|POS=DET|PronType=Neg, Case=Nom|Definite=Def|Degree=Sup|Gender=Masc|Number=Sing|POS=ADJ, Definite=Def|Gender=Masc|Number=Sing|POS=PRON|PronType=Dem, Definite=Def|Gender=Neut|Number=Sing|POS=PRON|PronType=Tot, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Neg, Gender=Com|Number=Sing|POS=DET|PronType=Prs, Mood=Imp|POS=VERB|VerbForm=Fin|Voice=Pass, Case=Nom|Definite=Def|Number=Plur|POS=PRON|PronType=Ind, Case=Acc|Definite=Def|POS=PRON|PronType=Ind, Foreign=Yes|POS=ADP, Definite=Ind|Gender=Com|Number=Sing|POS=DET|PronType=Prs, Definite=Def|POS=PRON|Poss=Yes|PronType=Dem, Abbr=Yes|Mood=Imp|POS=VERB|VerbForm=Fin|Voice=Act, Mood=Sub|POS=VERB|Tense=Pres|VerbForm=Fin|Voice=Act, Case=Nom|Definite=Ind|Gender=Com|Number=Sing|POS=PRON|PronTyp |
モデルの評価結果
| タスク | メトリクス | 値 |
|---|---|---|
| NER | NER Precision | 0.8002766252 |
| NER | NER Recall | 0.703892944 |
| NER | NER F Score | 0.7489967638 |
| TAG | TAG (XPOS) Accuracy | 0.9351842401 |
| POS | POS (UPOS) Accuracy | 0.9511074819 |
| MORPH | Morph (UFeats) Accuracy | 0.9406961315 |
| LEMMA | Lemma Accuracy | 0.9489639686 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.818598856 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.7672877612 |
| SENTS | Sentences F-Score | 0.9368318756 |
🔧 技術詳細
READMEに技術的な詳細説明が記載されていないため、このセクションは省略されました。
📄 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