# ニューステキスト分析

BERTベースのポルトガル語固有表現抽出モデルで、複数の固有表現クラスの識別をサポートします。

スペイン語ニュースにおける未同化の英語借用語（例：'fake news'、'machine learning'など）を検出するための事前学習済みモデルです。

これは、スペイン語のニュースにおける未同化の英語の語彙借用（いわゆる英語外来語）を検出するための事前学習モデルです。

BERT-baseをベースとした固有表現抽出モデルで、場所、組織、人名などの4種類のエンティティを識別可能

FinBERTはGoogleのBERTアーキテクチャに基づくフィンランド語の事前学習済み言語モデルで、30億以上のフィンランド語テキストトークンで訓練されており、様々なフィンランド語NLPタスクに適しています。

AfriBERTa largeは約1億2600万パラメータを持つ事前学習済み多言語モデルで、11のアフリカ言語をサポートし、テキスト分類や固有表現認識などのタスクに適しています。

ネパール語ニュースデータに基づくマスク言語モデルで、訓練データは複数のネパールのニュースウェブサイトから収集され、約1000万のネパール語文を含み、内容は主にニュースです。

AfriBERTa小型版は9700万パラメータの多言語事前学習モデルで、11種類のアフリカ言語をサポートし、テキスト分類や固有表現認識などのタスクに適しています。

FERNET-ニュースは、チェコ語のRoBERTaに基づく単一言語の基礎モデルで、20.5GBの徹底的にクリーニングされたチェコ語ニュースコーパスを使って事前学習されています。

事前学習されたBERTモデルに基づくアラビア語命名エンティティ認識モデルで、8種類のエンティティタイプを認識できます。

BERT-largeを微調整した命名エンティティ認識モデルで、CoNLL-2003データセットで最先端の性能を実現

これはナイジェリアピジン語に最適化されたBERTモデルで、多言語BERTを微調整して作成され、命名エンティティ認識タスクでは元の多言語BERTよりも優れた性能を発揮します。

Transformerベースのペルシャ語理解モデル、語彙表を再構築し新コーパスで微調整、応用シーンを拡大

XLM - RoBERTaをベースにアムハラ語テキストで微調整したモデルで、固有表現抽出タスクでは元のXLM - RoBERTaよりも優れた性能を発揮します。

多言語BERTモデルを微調整したスワヒリ語専用モデルで、テキスト分類と固有表現認識タスクで元の多言語BERTよりも優れた性能を発揮します。