# 多言語NER

GLiNERは汎用的な固有表現抽出（NER）モデルで、あらゆるタイプのエンティティを認識でき、従来のNERモデルに代わる実用的な選択肢を提供します。

GLiNERは汎用的な固有表現抽出（NER）モデルで、あらゆるタイプのエンティティを認識でき、従来のNERモデルに代わる実用的なソリューションを提供するとともに、大規模言語モデルの高いリソース消費問題を解決します。

GLiNERは、双方向Transformerエンコーダーを使用してあらゆるエンティティタイプを認識できる汎用的な固有表現認識（NER）モデルです。

GLiNERは汎用的な固有表現認識（NER）モデルで、あらゆるタイプのエンティティを認識でき、従来のNERモデルや大規模言語モデルに代わる実用的な選択肢を提供します。

GLiNERは汎用的な固有表現認識（NER）モデルで、あらゆるエンティティタイプを認識でき、従来のNERモデルの実用的な代替手段を提供します。

GLiNERは多言語固有表現認識(NER)モデルで、双方向Transformerエンコーダーを使用してあらゆるエンティティタイプを認識でき、従来のNERモデルに柔軟な代替手段を提供します。

これはDistilBERTベースの多言語固有表現認識(NER)モデルで、10言語をサポートし、量子化処理によりTransformers.jsと互換性があります。

XLM-RoBERTaベースモデルをファインチューニングした固有表現認識モデルで、多言語対応可能。場所、組織、人物の3種類のエンティティを認識できます。

これはMultiNERDデータセットで訓練された多言語固有表現認識モデルで、20以上の言語をサポートし、bert-base-multilingual-casedを基盤エンコーダーとして使用しています。

microsoft/mdeberta-v3-baseを微調整した固有表現認識モデルで、評価データセットで優れた性能を発揮

XLM - RoBERTa - largeモデルを英語のCoNLL - 2003データセットで微調整した命名エンティティ認識モデル

RoBERTaアーキテクチャに基づく多言語固有表現認識モデルで、20言語のエンティティ認識タスクをサポートします。

XLM-RoBERTa-baseモデルをドイツ語とフランス語のデータセットでファインチューニングした多言語モデルで、主に固有表現認識タスクに使用されます。

XLM-RoBERTa-baseモデルを特定のデータセットでファインチューニングしたバージョンで、主にシーケンスラベリングタスクに使用され、評価F1スコアは0.8561です。

XLM-RoBERTa-baseモデルをxtremeデータセットでファインチューニングしたタグ分類モデルで、固有表現認識タスクに使用されます

XLM - RoBERTa - baseモデルをドイツ語とフランス語のデータセットで微調整したバージョンで、主に系列ラベリングタスクに使用されます。

xlm-roberta-baseを多言語データセットでファインチューニングした固有表現認識モデル

XLM-RoBERTa-baseモデルをドイツ語とフランス語のデータセットでファインチューニングした多言語モデル

PAN-Xドイツ語データセットでファインチューニングされたXLM-RoBERTa-baseモデルに基づくトークン分類モデル

Geotrend/distilbert-base-en-fr-de-no-da-casedをファインチューニングした固有表現認識モデルで、評価データセットで優れた性能を発揮

xtremeデータセットでxlm-roberta-baseをファインチューニングしたドイツ語トークン分類モデル

このモデルは、XLM - RoBERTa - largeアーキテクチャに基づき、HiNER - originalデータセットで訓練された固有表現認識モデルで、ラベル分類タスクに特化しています。

XLM-RoBERTa-baseモデルをxtremeデータセットでファインチューニングしたドイツ語タグ分類モデル

XLM-RoBERTa-baseモデルをドイツ語とフランス語のデータセットでファインチューニングした多言語モデルで、主に固有表現認識タスクに使用されます。

xlm-roberta-baseを基にドイツ語とフランス語のデータセットでファインチューニングした多言語モデルで、主に固有表現認識タスクに使用されます。

xlm-roberta-baseをファインチューニングした固有表現抽出(NER)モデルで、評価データセットで優れた性能(F1スコア0.9777)を発揮

XLM-RoBERTa-baseモデルをxtremeデータセットでファインチューニングしたドイツ語のトークン分類モデルで、固有表現認識タスクに使用されます。

XLM-RoBERTa-baseモデルをドイツ語とフランス語のデータセットでファインチューニングしたバージョンで、主に固有表現認識タスクに使用されます。

XLM-RoBERTa-baseモデルをPAN-Xデータセットでファインチューニングした多言語固有表現認識モデル

英語、ドイツ語、オランダ語、スペイン語をサポートする高速な4種類の固有表現認識モデルで、FlairフレームワークとLSTM-CRFアーキテクチャに基づいています。

XLM-RoBERTaをファインチューニングした固有表現認識モデルで、英語テキストのエンティティ認識タスクをサポートします。

これは固有表現認識タスクでファインチューニングされたXLM-RoBERTaモデルで、多言語テキストにおけるエンティティ認識タスクに適しています。

これはDistilBERTをベースにした多言語モデルで、固有表現認識タスクに特化しており、ConLL 2003データセットで微調整されています。

CPU最適化された多言語固有表現認識モデルで、場所、組織、人物などのエンティティタイプを認識可能

XLM-Roberta-baseをベースとした多言語固有表現認識モデルで、40言語のエンティティ認識をサポート

このモデルはxlm-roberta-baseをxtremeデータセットでファインチューニングしたバージョンで、ドイツ語のトークン分類タスクに使用されます。

このモデルはXLMR-ENISをconll2003データセットでファインチューニングした固有表現認識モデルで、英語とアイスランド語をサポートしています。

XLM-RoBERTaをファインチューニングした固有表現認識モデルで、英語テキストにおけるエンティティのトークン分類タスクをサポートします。

Flairに組み込まれた標準4クラスNERモデルで、英語、ドイツ語、オランダ語、スペイン語の固有表現認識タスクに適用可能

XLM - RoBERTaに基づく多言語の固有表現認識モデルで、10種類の高資源言語をサポートし、場所、組織、人物の3種類のエンティティを認識できます。