%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
Hr Core News Lg
spaCyが提供するクロアチア語の大規模言語処理モデル、様々なNLPタスクに適応
ダウンロード数 46
リリース時間 : 7/20/2022
モデル概要
クロアチア語に最適化されたNLPプロセスモデル、品詞タグ付け、固有表現認識、依存構文解析などのコア機能を含み、hr500kコーパスでトレーニング
モデル特徴
包括的な言語処理コンポーネント
単語ベクトル、品詞タグ付け、形態素解析、構文解析、レンマ化、文分割、固有表現認識などの完全なNLPコンポーネントを含む
高性能な品詞タグ付け
UPOS品詞タグ付けの精度は97.59%、XPOSタグ付けの精度は92.17%
最適化されたCPU性能
CPU使用シナリオに特化して最適化
豊富な形態素解析
クロアチア語の複雑な形態変化をサポート、精度は92.68%
モデル能力
品詞タグ付け
固有表現認識
依存構文解析
レンマ化
文分割
形態素解析
使用事例
テキスト処理
クロアチア語テキスト分析
クロアチア語テキストの品詞タグ付けと形態素解析
単語の品詞と形態素的特徴を正確に識別
情報抽出
クロアチア語テキストから固有表現を抽出
F1値は83.02%
言語学研究
クロアチア語文法研究
クロアチア語の構文構造を分析
無標識依存解析UASは86.62%
🚀 hr_core_news_lg
このモデルは、クロアチア語用に最適化されたパイプラインで、CPUでの動作が最適化されています。主なコンポーネントには、tok2vec、tagger、morphologizer、parser、lemmatizer、senter、nerなどが含まれています。
🚀 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
このモデルは、以下のタスクに最適化されています。
- 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)
- 見出し語化 (LEMMA)
- 非ラベル付き依存構造解析 (UNLABELED_DEPENDENCIES)
- ラベル付き依存構造解析 (LABELED_DEPENDENCIES)
- 文分割 (SENTS)
📦 モデル情報
| 属性 | 詳情 |
|---|---|
| モデルタイプ | hr_core_news_lg |
| 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 | floret (200000, 300) |
| ソース | Training corpus hr500k 1.0 (Ljubešić, Nikola ; Agić, Željko ; Klubička, Filip ; Batanović, Vuk and Erjavec, Tomaž) Explosion Vectors (OSCAR 2109 + Wikipedia + OpenSubtitles + WMT News Crawl) (Explosion) |
| ライセンス | CC BY-SA 4.0 |
| 作者 | Explosion |
📚 詳細ドキュメント
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1518個のラベル)
| コンポーネント | ラベル |
|---|---|
tagger |
Agcfpay, Agcfpdy, Agcfpgy, Agcfpiy, Agcfply, Agcfpny, Agcfsay, Agcfsdy, Agcfsgy, Agcfsiy, Agcfsly, Agcfsny, Agcmpay, Agcmpgy, Agcmpiy, Agcmpny, Agcmsany, Agcmsay, Agcmsayn, Agcmsdy, Agcmsgy, Agcmsiy, Agcmsly, Agcmsny, Agcnpay, Agcnpdy, Agcnpgy, Agcnpny, Agcnsay, Agcnsdy, Agcnsgy, Agcnsiy, Agcnsly, Agcnsny, Agpfpay, Agpfpdy, Agpfpgy, Agpfpiy, Agpfply, Agpfpny, Agpfsay, Agpfsdy, Agpfsgy, Agpfsin, Agpfsiy, Agpfsly, Agpfsny, Agpfsvy, Agpmpay, Agpmpdy, Agpmpgy, Agpmpiy, Agpmply, Agpmpny, Agpmsan, Agpmsann, Agpmsany, Agpmsay, Agpmsayn, Agpmsayy, Agpmsdy, Agpmsgn, Agpmsgy, Agpmsiy, Agpmsln, Agpmsly, Agpmsnn, Agpmsny, Agpmsvy, Agpnpay, Agpnpdy, Agpnpgy, Agpnpiy, Agpnply, Agpnpny, Agpnsay, Agpnsdy, Agpnsgn, Agpnsgy, Agpnsiy, Agpnsln, Agpnsly, Agpnsny, Agsfpay, Agsfpdy, Agsfpgy, Agsfpiy, Agsfply, Agsfpny, Agsfsay, Agsfsdy, Agsfsgy, Agsfsiy, Agsfsly, Agsfsny, Agsmpay, Agsmpdy, Agsmpgy, Agsmpiy, Agsmply, Agsmpny, Agsmsany, Agsmsayn, Agsmsayy, Agsmsdy, Agsmsgy, Agsmsiy, Agsmsly, Agsmsny, Agsnpay, Agsnpgy, Agsnply, Agsnpny, Agsnsay, Agsnsdy, Agsnsgy, Agsnsiy, Agsnsly, Agsnsny, Appfpay, Appfpdy, Appfpgy, Appfpiy, Appfply, Appfpny, Appfsay, Appfsgy, Appfsiy, Appfsly, Appfsny, Appmpay, Appmpdy, Appmpgy, Appmpiy, Appmply, Appmpny, Appmsann, Appmsany, Appmsayn, Appmsayy, Appmsdy, Appmsgn, Appmsgy, Appmsiy, Appmsly, Appmsnn, Appmsny, Appnpay, Appnpdy, Appnpgy, Appnpiy, Appnply, Appnpny, Appnsay, Appnsgy, Appnsly, Appnsny, Aspfpay, Aspfpgy, Aspfpiy, Aspfply, Aspfpny, Aspfsay, Aspfsdy, Aspfsgy, Aspfsly, Aspfsny, Aspmpay, Aspmpgy, Aspmply, Aspmpny, Aspmsayn, Aspmsayy, Aspmsdn, Aspmsdy, Aspmsgn, Aspmsgy, Aspmsiy, Aspmsln, Aspmsly, Aspmsnn, Aspnpay, Aspnpgy, Aspnpny, Aspnsay, Aspnsgn, Aspnsgy, Aspnsln, Aspnsly, Aspnsny, Cc, Cs, I, Mdc, Mdm, Mdo, Mds, Mlc, Mlc--g, Mlc--i, Mlc--l, Mlcf-a, Mlcf-d, Mlcf-g, Mlcf-n, Mlcfsa, Mlcfsd, Mlcfsg, Mlcfsi, Mlcfsl, Mlcfsn, Mlcm-a, Mlcm-g, Mlcm-l, Mlcm-n, Mlcmpn, Mlcmsan, Mlcmsay, Mlcmsg, Mlcmsi, Mlcmsl, Mlcmsn, Mlcn-n, Mlcnsa, Mlcnsg, Mlcnsn, Mlofpa, Mlofpd, Mlofpg, Mlofpi, Mlofpl, Mlofpn, Mlofsa, Mlofsd, Mlofsg, Mlofsi, Mlofsl, Mlofsn, Mlompa, Mlompd, Mlompg, Mlompi, Mlompl, Mlompn, Mlomsan, Mlomsay, Mlomsd, Mlomsg, Mlomsi, Mlomsl, Mlomsn, Mlonpa, Mlonpg, Mlonpl, Mlonpn, Mlonsa, Mlonsd, Mlonsg, Mlonsi, Mlonsl, Mlonsn, Mls, Mlsf-a, Mlsf-g, Mlsf-i, Mlsf-l, Mlsf-n, Mlsm-a, Mlsm-g, Mlsm-l, Mlsm-n, Mlsmpn, Mlsn-n, Mrc, Mro, Ncfpa, Ncfpd, Ncfpg, Ncfpi, Ncfpl, Ncfpn, Ncfpv, Ncfsa, Ncfsd, Ncfsg, Ncfsi, Ncfsl, Ncfsn, Ncfsv, Ncmpa, Ncmpd, Ncmpg, Ncmpi, Ncmpl, Ncmpn, Ncmpv, Ncmsan, Ncmsay, Ncmsd, Ncmsg, Ncmsi, Ncmsl, Ncmsn, Ncmsv, Ncnpa, Ncnpd, Ncnpg, Ncnpi, Ncnpl, Ncnpn, Ncnsa, Ncnsd, Ncnsg, Ncnsi, Ncnsl, Ncnsn, Ncnsv, Npfpa, Npfpg, Npfpl, Npfpn, Npfsa, Npfsd, Npfsg, Npfsi, Npfsl, Npfsn, Npmpa, Npmpd, Npmpg, Npmpi, Npmpl, Npmpn, Npmsan, Npmsay, Npmsd, Npmsg, Npmsi, Npmsl, Npmsn, Npmsv, Npnpg, Npnpn, Npnsa, Npnsd, Npnsg, Npnsi, Npnsl, Npnsn, Pd-fpa, Pd-fpd, Pd-fpg, Pd-fpi, Pd-fpl, Pd-fpn, Pd-fsa, Pd-fsd, Pd-fsg, Pd-fsi, Pd-fsl, Pd-fsn, Pd-mpa, Pd-mpd, Pd-mpg, Pd-mpi, Pd-mpl, Pd-mpn, Pd-msan, Pd-msay, Pd-msd, Pd-msg, Pd-msi, Pd-msl, Pd-msn, Pd-npa, Pd-npg, Pd-npi, Pd-npn, Pd-nsa, Pd-nsd, Pd-nsg, Pd-nsi, Pd-nsl, Pd-nsn, Pi-fpa, Pi-fpd, Pi-fpg, Pi-fpi, Pi-fpl, Pi-fpn, Pi-fsa, Pi-fsd, Pi-fsg, Pi-fsi, Pi-fsl, Pi-fsn, Pi-mpa, Pi-mpd, Pi-mpg, Pi-mpi, Pi-mpl, Pi-mpn, Pi-msan, Pi-msay, Pi-msd, Pi-msg, Pi-msi, Pi-msl, Pi-msn, Pi-npa, Pi-npd, Pi-npg, Pi-npi, Pi-npl, Pi-npn, Pi-nsa, Pi-nsd, Pi-nsg, Pi-nsi, Pi-nsl, Pi-nsn, Pi3m-a, Pi3m-d, Pi3m-g, Pi3m-i, Pi3m-n, Pi3n-a, Pi3n-d, Pi3n-g, Pi3n-i, Pi3n-l, Pi3n-n, Pp1-pa, Pp1-pd, Pp1-pg, Pp1-pi, Pp1-pl, Pp1-pn, Pp1-sa, Pp1-sd, Pp1-sg, Pp1-si, Pp1-sl, Pp1-sn, Pp2-pa, Pp2-pd, Pp2-pl, Pp2-pn, Pp2-sa, Pp2-sd, Pp2-sg, Pp2-sl, Pp2-sn, Pp3-pa, Pp3-pd, Pp3-pg, Pp3-pi, Pp3-pl, Pp3fpn, Pp3fsa, Pp3fsd, Pp3fsg, Pp3fsi, Pp3fsl, Pp3fsn, Pp3mpn, Pp3msa, Pp3msd, Pp3msg, Pp3msi, Pp3msl, Pp3msn, Pp3npn, Pp3nsa, Pp3nsi, Pp3nsn, Pq-fpa, Pq-fpn, Pq-fsa, Pq-fsi, Pq-fsl, Pq-fsn, Pq-mpn, Pq-msn, Pq-nsn, Pq3m-d, Pq3m-n, Pq3n-a, Pq3n-l, Pq3n-n, Ps1fpa, Ps1fpg, Ps1fpl, Ps1fpn, Ps1fsa, Ps1fsd, Ps1fsg, Ps1fsi, Ps1fsl, Ps1fsn, (truncated: full list in pipeline meta) |
morphologizer |
Case=Nom|Gender=Masc|Number=Sing|POS=NOUN, Case=Gen|Gender=Fem|Number=Sing|POS=NOUN, Case=Loc|POS=ADP, Case=Loc|Gender=Neut|Number=Sing|POS=PROPN, Case=Ins|POS=ADP, Case=Ins|Gender=Neut|Number=Sing|POS=NOUN, Case=Nom|Gender=Neut|Number=Sing|POS=PROPN, Degree=Pos|POS=ADV, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Animacy=Inan|Case=Acc|Gender=Masc|Number=Sing|POS=NOUN, Case=Loc|Gender=Neut|Number=Sing|POS=NOUN, Case=Gen|Definite=Def|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Gen|Gender=Fem|Number=Plur|POS=NOUN, POS=PUNCT, POS=PART, Case=Loc|Gender=Masc|Number=Sing|POS=NOUN, POS=SCONJ, Case=Nom|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Nom|Gender=Fem|Number=Sing|POS=NOUN, Case=Nom|Gender=Fem|Number=Sing|POS=PROPN, Case=Acc|Gender=Neut|Number=Plur|POS=NOUN, Case=Acc|POS=PRON|PronType=Prs|Reflex=Yes, Case=Gen|Gender=Neut|Number=Sing|POS=NOUN, Case=Gen|Gender=Neut|Number=Sing|Number[psor]=Plur|POS=DET|Person=3|Poss=Yes|PronType=Prs, POS=CCONJ, Case=Gen|POS=ADP, Case=Dat|Gender=Neut|Number=Sing|POS=NOUN, Case=Gen|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Gen|Gender=Masc|Number=Sing|POS=NOUN, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|Number=Plur|POS=DET|PronType=Ind, Case=Nom|Gender=Masc|Number=Plur|POS=NOUN, POS=VERB|VerbForm=Inf, Case=Acc|Definite=Def|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Acc|Gender=Fem|Number=Plur|POS=NOUN, Case=Nom|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, POS=PART|Polarity=Neg, Case=Acc|Gender=Neut|POS=PRON|PronType=Neg, Case=Ins|Gender=Masc|Number=Sing|POS=NOUN, Degree=Pos|POS=ADV|PronType=Dem, Degree=Cmp|POS=ADV, Case=Acc|POS=ADP, Case=Acc|Gender=Fem|Number=Sing|POS=NOUN, Case=Nom|Gender=Masc|Number=Sing|POS=PROPN, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|NumType=Card|Number=Sing|POS=NUM, Case=Nom|Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Case=Nom|Gender=Masc|Number=Sing|Number[psor]=Sing|POS=DET|Person=1|Poss=Yes|PronType=Prs, Gender=Masc|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Act, Case=Loc|Gender=Fem|Number=Sing|POS=NOUN, Case=Nom|Number=Sing|POS=PRON|Person=1|PronType=Prs, NumType=Ord|POS=ADJ, Mood=Ind|Number=Sing|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin, Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Case=Acc|Number=Plur|POS=PRON|Person=1|PronType=Prs, Case=Nom|Definite=Def|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Nom|Gender=Fem|Number=Plur|POS=NOUN, Gender=Fem|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part|Voice=Act, Animacy=Inan|Case=Acc|Gender=Masc|Number=Sing|POS=DET|Poss=Yes|PronType=Prs|Reflex=Yes, Case=Nom|Gender=Neut|Number=Sing|POS=DET|PronType=Dem, Mood=Ind|Number=Sing|POS=AUX|Person=3|Polarity=Neg|Tense=Pres|VerbForm=Fin, Gender=Neut|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Act, Case=Loc|Gender=Masc|Number=Plur|POS=DET|PronType=Ind, Case=Loc|Gender=Masc|Number=Plur|POS=NOUN, Case=Nom|Definite=Def|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ|VerbForm=Part|Voice=Pass, Case=Gen|Gender=Neut|Number=Sing|POS=DET|PronType=Dem, Case=Nom|Gender=Fem|Number=Plur|POS=DET|PronType=Int,Rel, Case=Nom|Definite=Def|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, Case=Nom|Gender=Neut|POS=PRON|PronType=Int,Rel, Case=Gen|Definite=Def|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, Case=Gen|Gender=Masc|Number=Plur|POS=NOUN, Case=Nom|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Acc|Gender=Neut|Number=Sing|POS=NOUN, Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Neut|Number=Sing|POS=NOUN, Case=Nom|Definite=Def|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Gender=Fem|Number=Plur|POS=AUX|Tense=Past|VerbForm=Part|Voice=Act, NumType=Card|POS=NUM, Case=Gen|Definite=Def|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ|VerbForm=Part|Voice=Pass, Case=Acc|Gender=Masc|Number=Plur|POS=DET|PronType=Int,Rel, Gender=Fem|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Act, Case=Loc|Definite=Def|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Loc|Gender=Fem|Number=Plur|POS=NOUN, Case=Gen|Definite=Def|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Animacy=Inan|Case=Acc|Gender=Masc|Number=Sing|POS=PROPN, Case=Acc|Definite=Def|Degree=Cmp|Gender=Fem|Number=Plur|POS=ADJ, Case=Gen|Gender=Fem|Number=Sing|POS=DET|PronType=Dem, Gender=Masc|Number=Sing|POS=AUX|Tense=Past|VerbForm=Part|Voice=Act, Case=Nom|Definite=Ind|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ|VerbForm=Part|Voice=Pass, Animacy=Inan|Case=Acc|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Acc|Gender=Masc|Number=Plur|POS=NOUN, Case=Loc|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Degree=Pos|POS=ADV|PronType=Int,Rel, Gender=Neut|Number=Sing|POS=AUX|Tense=Past|VerbForm=Part|Voice=Act, Case=Loc|Gender=Neut|Number=Plur|POS=NOUN, Case=Nom|Gender=Neut|Number=Plur|POS=DET|PronType=Int,Rel, Case=Nom|Definite=Def|Degree=Pos|Gender=Neut|Number=Plur|POS=ADJ|VerbForm=Part|Voice=Pass, Case=Nom|Gender=Neut|Number=Plur|POS=DET|PronType=Dem, Case=Nom|Gender=Neut|Number=Plur|POS=NOUN, Case=Gen|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Gen|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Nom|Definite=Def|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ|VerbForm=Part|Voice=Pass, Mood=Cnd|Number=Plur|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Case=Nom|Definite=Def|Degree=Cmp|Gender=Masc|Number=Plur|POS=ADJ, Gender=Masc|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part|Voice=Act, Case=Gen|Definite=Def|Degree=Cmp|Gender=Masc|Number=Plur|POS=ADJ, Mood=Ind|Number=Plur|POS=AUX|Person=3|Polarity=Neg|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|Number=Sing|POS=DET|PronType=Int,Rel, Case=Acc|Definite=Def|Degree=Cmp|Gender=Fem|Number=Sing|POS=ADJ, Case=Nom|Gender=Masc|Number=Plur|POS=DET|PronType=Dem, Case=Nom|Gender=Masc|Number=Plur|POS=DET|PronType=Int,Rel, Case=Nom|Definite=Ind|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Loc|Gender=Masc|Number=Sing|POS=DET|PronType=Int,Rel, Case=Dat|Gender=Masc|Number=Sing|POS=PROPN, Case=Loc|Gender=Neut|Gender[psor]=Masc,Neut|Number=Plur|Number[psor]=Sing|POS=DET|Person=3|Poss=Yes|PronType=Prs, Case=Loc|Definite=Def|Degree=Pos|Gender=Neut|Number=Plur|POS=ADJ, Case=Dat|Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Dat|Gender=Masc|Number=Sing|POS=NOUN, Case=Acc|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Mood=Cnd|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin |
🔧 技術詳細
評価指標
| タスク | 指標 | 値 |
|---|---|---|
| NER | NER Precision | 0.8309481216 |
| NER | NER Recall | 0.8294642857 |
| NER | NER F Score | 0.8302055407 |
| TAG | TAG (XPOS) Accuracy | 0.9217400961 |
| POS | POS (UPOS) Accuracy | 0.9759146596 |
| MORPH | Morph (UFeats) Accuracy | 0.9267547757 |
| LEMMA | Lemma Accuracy | 0.9287546545 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.8661791243 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.8015566665 |
| SENTS | Sentences F-Score | 0.9454545455 |
📄 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