%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)
EN
De Core News Lg
spaCyが提供する大規模ドイツ語言語処理モデル、品詞タグ付け、依存解析、固有表現認識などのNLPタスクをサポート
Downloads 66
Release Time : 3/2/2022
Model Overview
CPU最適化されたドイツ語処理パイプライン、分かち書き、品詞タグ付け、形態素解析、依存解析、レンマ化、文分割、固有表現認識などの完全なNLP機能を含む
Model Features
完全なNLPパイプライン
分かち書き、品詞タグ付け、依存解析などの自然言語処理コンポーネントを統合
高精度品詞タグ付け
UPOSタグ付け精度98.4%、XPOSタグ付け精度97.9%
最適化されたCPU性能
CPU使用シナリオ向けに特別に最適化
豊富な形態素解析
ドイツ語の複雑な形態的特徴を解析、精度92%
Model Capabilities
分かち書き
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
Use Cases
テキスト処理
ドイツ語テキスト解析
ドイツ語の文の構文構造と語彙特徴を自動分析
完全な構文木と品詞タグ情報を取得
情報抽出
ドイツ語固有表現認識
ドイツ語テキストから人名、地名、組織名などの実体を認識
F1スコア84.8%を達成
🚀 de_core_news_lgモデル
このモデルは、CPUで最適化されたドイツ語用のspaCyパイプラインです。様々な自然言語処理タスクに対応しており、高い精度を誇っています。
🚀 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
このモデルは、以下の自然言語処理タスクに対応しています。
1. 固有表現認識 (NER)
- NER Precision: 0.8527131783
- NER Recall: 0.844401557
- NER F Score: 0.8485370145
2. 品詞タグ付け (TAG)
- TAG (XPOS) Accuracy: 0.9795559667
3. 汎用品詞タグ付け (POS)
- POS (UPOS) Accuracy: 0.9841217399
4. 形態素解析 (MORPH)
- Morph (UFeats) Accuracy: 0.9205894013
5. 語幹化 (LEMMA)
- Lemma Accuracy: 0.9790945371
6. 非ラベル付き依存構造解析 (UNLABELED_DEPENDENCIES)
- Unlabeled Attachment Score (UAS): 0.9265658098
7. ラベル付き依存構造解析 (LABELED_DEPENDENCIES)
- Labeled Attachment Score (LAS): 0.9078030166
8. 文分割 (SENTS)
- Sentences F-Score: 0.9541230945
📦 インストール
元の文書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す。
💻 使用例
元の文書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す。
📚 ドキュメント
モデル情報
| 属性 | 詳情 |
|---|---|
| モデル名 | de_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 | 500000キー、500000個の一意のベクトル (300次元) |
| データソース | TIGER Corpus (Brants, Sabine, Stefanie Dipper, Peter Eisenberg, Silvia Hansen, Esther König, Wolfgang Lezius, Christian Rohrer, George Smith, and Hans Uszkoreit) Tiger2Dep (Wolfgang Seeker) WikiNER (Joel Nothman, Nicky Ringland, Will Radford, Tara Murphy, James R Curran) Explosion fastText Vectors (cbow, OSCAR Common Crawl + Wikipedia) (Explosion) |
| ライセンス | MIT |
| 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772個のラベル)
| コンポーネント | ラベル |
|---|---|
tagger |
$(, $,, $., ADJA, ADJD, ADV, APPO, APPR, APPRART, APZR, ART, CARD, FM, ITJ, KOKOM, KON, KOUI, KOUS, NE, NN, NNE, PDAT, PDS, PIAT, PIS, PPER, PPOSAT, PPOSS, PRELAT, PRELS, PRF, PROAV, PTKA, PTKANT, PTKNEG, PTKVZ, PTKZU, PWAT, PWAV, PWS, TRUNC, VAFIN, VAIMP, VAINF, VAPP, VMFIN, VMINF, VMPP, VVFIN, VVIMP, VVINF, VVIZU, VVPP, XY, _SP |
morphologizer |
POS=PUNCT, Case=Nom|Gender=Masc|Number=Sing|POS=PROPN, Mood=Sub|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, POS=ADV, Case=Nom|Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Nom|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Nom|Gender=Masc|Number=Sing|POS=NOUN, Case=Nom|Gender=Masc|Number=Plur|POS=NOUN, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Case=Acc|Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Acc|Gender=Masc|Number=Sing|POS=NOUN, POS=ADP, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Case=Acc|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Acc|Gender=Fem|Number=Sing|POS=NOUN, Case=Acc|Gender=Fem|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Nom|Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Case=Acc|Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Acc|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Case=Acc|Gender=Neut|Number=Sing|POS=NOUN, Case=Dat|Gender=Neut|Number=Sing|POS=PROPN, POS=VERB|VerbForm=Part, Case=Dat|Gender=Fem|Number=Plur|POS=NOUN, Foreign=Yes|POS=X, Degree=Pos|POS=ADV, Case=Dat|Gender=Neut|Number=Sing|POS=ADP, Case=Dat|Gender=Neut|Number=Sing|POS=NOUN, Case=Dat|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Case=Dat|Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Dat|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Dat|Gender=Masc|Number=Sing|POS=NOUN, POS=CCONJ, POS=SCONJ, Case=Acc|Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Art, POS=VERB|VerbForm=Inf, Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Case=Nom|Gender=Fem|Number=Plur|POS=DET|PronType=Dem, Case=Nom|Gender=Fem|Number=Plur|POS=NOUN, Case=Acc|Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Acc|Degree=Sup|Gender=Fem|Number=Sing|POS=ADJ, Case=Gen|Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Gen|Gender=Fem|Number=Sing|POS=NOUN, Case=Dat|Gender=Fem|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Gender=Fem|Number=Sing|POS=NOUN, POS=PART, Case=Nom|Gender=Masc|Number=Plur|POS=DET|PronType=Ind, Case=Nom|Definite=Def|Gender=Masc|Number=Plur|POS=DET|PronType=Art, Case=Dat|Definite=Def|Number=Plur|POS=DET|PronType=Art, Case=Dat|Number=Plur|POS=PROPN, POS=PRON|PronType=Ind, Case=Dat|Number=Plur|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Case=Acc|Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Acc|Gender=Masc|Number=Sing|POS=PROPN, Case=Dat|Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Gen|Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Gen|Gender=Neut|Number=Sing|POS=NOUN, Case=Nom|Number=Sing|POS=PROPN, Case=Dat|Definite=Def|Gender=Masc|Number=Plur|POS=DET|PronType=Art, Case=Dat|Gender=Masc|Number=Plur|POS=NOUN, POS=NUM, Case=Dat|Gender=Neut|Number=Plur|POS=NOUN, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin, Case=Dat|Gender=Masc|Number=Sing|POS=ADP, Gender=Neut|POS=NOUN, Case=Acc|Number=Sing|POS=PROPN, Case=Acc|Number=Plur|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Case=Nom|Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Nom|Gender=Fem|Number=Sing|POS=NOUN, Case=Gen|Definite=Def|Number=Plur|POS=DET|PronType=Art, Case=Acc|Gender=Fem|Number=Plur|POS=NOUN, Mood=Sub|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Gen|Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Gen|Gender=Masc|Number=Sing|POS=NOUN, Case=Nom|Definite=Def|Number=Plur|POS=DET|PronType=Art, Case=Nom|Number=Plur|POS=NOUN, Case=Acc|Gender=Masc|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Nom|Number=Plur|POS=PRON|PronType=Ind, Case=Dat|Gender=Masc|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Acc|Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Art, POS=PROPN, Case=Nom|Number=Sing|POS=PRON|Person=1|PronType=Prs, Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin, POS=INTJ, Case=Nom|Gender=Neut|Number=Sing|POS=PRON|PronType=Dem, Case=Nom|Gender=Neut|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Nom|Gender=Neut|Number=Sing|POS=NOUN, Case=Acc|Number=Sing|POS=PRON|Person=3|PronType=Prs|Reflex=Yes, Case=Nom|Gender=Neut|Number=Sing|POS=PRON|Person=3|PronType=Prs, Mood=Sub|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Case=Nom|Gender=Masc|Number=Sing|POS=PRON|PronType=Rel, Case=Acc|Gender=Masc|Number=Sing|POS=PRON|PronType=Ind, Case=Nom|Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Nom|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Dat|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Acc|Gender=Masc|Number=Plur|POS=DET|PronType=Ind, Case=Acc|Gender=Masc|Number=Plur|POS=NOUN, Case=Nom|Gender=Masc|Number=Plur|POS=PRON|PronType=Rel, Case=Nom|Gender=Masc|Number=Sing|POS=PRON|PronType=Ind, Case=Dat|Gender=Masc|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Nom|Gender=Neut|Number=Plur|POS=NOUN, Case=Acc|Gender=Neut|Number=Plur|POS=PRON|PronType=Rel, Case=Dat|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Dat|Gender=Masc|Number=Sing|POS=PRON|PronType=Rel, Gender=Masc|POS=NOUN, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin, Case=Nom|Definite=Def|Gender=Fem|Number=Plur|POS=DET|PronType=Art, Case=Nom|Gender=Fem|Number=Sing|POS=DET|PronType=Int, Case=Gen|Gender=Masc|Number=Sing|POS=PROPN, POS=SCONJ|PronType=Int, Case=Acc|Gender=Fem|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, Case=Nom|Number=Sing|POS=PRON|PronType=Ind, Case=Gen|Definite=Def|Gender=Fem|Number=Plur|POS=DET|PronType=Art, Case=Gen|Gender=Fem|Number=Plur|POS=NOUN, Case=Dat|Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Dat|Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Nom|Gender=Masc|Number=Sing|POS=DET|PronType=Ind, Case=Dat|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Acc|Gender=Neut|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Gender=Neut|Number=Sing|POS=PRON|PronType=Ind, Case=Dat|Degree=Cmp|Gender=Fem|Number=Plur|POS=ADJ, Case=Nom|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, Gender=Neut|POS=PRON|PronType=Ind, Case=Acc|Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Dat|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Number=Plur|POS=NOUN, Case=Dat|Gender=Masc|Number=Sing|POS=PRON|PronType=Ind, Case=Nom|Gender=Fem|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Gender=Masc|Number=Sing|POS=PROPN, Case=Gen|Gender=Masc|Number=Sing|POS=PRON|PronType=Dem, Case=Dat|Gender=Fem|Number=Sing|POS=ADP, Case=Acc|Gender=Fem|Number=Plur|POS=DET|PronType=Int, Case=Gen|Number=Plur|POS=PROPN, Case=Acc|Gender=Fem|Number=Plur|POS=DET|PronType=Dem, Case=Acc|Gender=Neut|Number=Plur|POS=NOUN, Case=Acc|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Nom|Definite=Def|Gender=Neut|Number=Plur|POS=DET|PronType=Art, Case=Gen|Gender=Neut|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Degree=Cmp|POS=ADV, Case=Nom|Gender=Neut|Number=Plur|POS=PRON|PronType=Dem, Case=Gen|Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Acc|Gender=Neut|Number=Sing|POS=ADP, Case=Dat|Number=Plur|POS=PRON|Person=1|PronType=Prs, Case=Acc|Gender=Neut|Number=Sing|POS=PRON|PronType=Int, Case=Dat|Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Case=Gen|Definite=Def|Gender=Masc|Number=Plur|POS=DET|PronType=Art, Case=Gen|Gender=Masc|Number=Plur|POS=NOUN, Case=Acc|Gender=Neut|Number=Sing|POS=PRON|Person=3|PronType=Prs, Case=Acc|Degree=Sup|Gender=Masc|Number=Sing|POS=ADJ, Case=Nom|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Gen|Gender=Masc|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Case=Gen|Number=Sing|POS=PROPN, Case=Nom|Definite=Def|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Case=Nom|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Case=Dat|Gender=Fem|Number=Plur|POS=PRON|PronType=Rel, Case=Acc|Degree=Pos|Gender=Masc|Number=Plur|POS=ADJ, Case=Nom|Gender=Fem|Number=Plur|POS=DET|PronType=Ind, Case=Gen|Gender=Neut|Number=Sing|POS=PROPN, Case=Gen|Gender=Masc|Number=Sing|POS=DET|PronType=Rel, Case=Nom|Gender=Neut|Number=Sing|POS=PRON|PronType=Int, Case=Acc|Gender=Neut|Number=Sing|POS=DET|PronType=Ind, Case=Gen|Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Art, POS=X, Case=Dat|Degree=Sup|Gender=Fem|Number=Sing|POS=ADJ, Case=Gen|Number=Plur|POS=NOUN, Case=Gen|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Case=Gen|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Case=Acc|Number=Plur|POS=PRON|PronType=Rel, Case=Nom|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Gen|Degree=Pos|Gender=Fem|Number=Sing|POS=ADJ, Case=Gen|Definite=Def|Gender=Neut|Number=Plur|POS=DET|PronType=Art, Case=Gen|Degree=Pos|Gender=Neut|Number=Plur|POS=ADJ, Case=Gen|Gender=Neut|Number=Plur|POS=NOUN, Case=Nom|Gender=Fem|Number=Plur|POS=PRON|PronType=Ind, Mood=Sub|Number=Plur|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Case=Nom|Degree=Pos|Number=Plur|POS=ADJ, Case=Nom|Number=Plur|POS=PRON|PronType=Rel, Case=Nom|Gender=Fem|Number=Sing|POS=PRON|PronType=Rel, Case=Acc|Degree=Pos|Gender=Neut|Number=Plur|POS=ADJ, Case=Dat|Degree=Pos|Gender=Neut|Number=Plur|POS=ADJ, Case=Acc|Definite=Def|Gender=Neut|Number=Plur|POS=DET|PronType=Art, Case=Acc|Degree=Sup|Gender=Neut|Number=Plur|POS=ADJ, Case=Nom|Degree=Sup|Gender=Masc|Number=Sing|POS=ADJ, POS=SPACE, Case=Nom|Gender=Fem|Number=Plur|POS=PRON|PronType=Rel, POS=DET|PronType=Ind, Case=Gen|Degree=Pos|Gender=Fem|Number=Plur|POS=ADJ, Case=Nom|Gender=Masc|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Acc|Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Case=Dat|Gender=Fem|Number=Plur|POS=DET|Poss=Yes|PronType=Prs, Case=Acc|Gender=Neut|Number=Sing|POS=PROPN, Case=Nom|Gender=Fem|Number=Sing|POS=PROPN, Case=Acc|Definite=Def|Gender=Masc|Number=Plur|POS=DET|PronType=Art, Case=Dat|Definite=Def|Gender=Neut|Number=Plur|POS=DET|PronType=Art, Case=Nom|Gender=Neut|Number=Plur|POS=DET|PronType=Ind, Case=Dat|Number=Sing|POS=DET|Poss=Yes|PronType=Prs, Case=Dat|Number=Sing|POS=NOUN, Case=Nom|Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Art, Degree=Pos|POS=ADJ, ... |
📄 ライセンス
このモデルは、MIT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 Other
Transformers OtherI
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 English
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 Supports Multiple Languages
Transformers Supports Multiple LanguagesD
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 English
PyTorch EnglishN
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 French
Transformers FrenchF
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 Spanish
Transformers SpanishX
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 Other
Transformers OtherN
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 English
PyTorch EnglishN
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 Supports Multiple Languages
Transformers Supports Multiple LanguagesX
tsmatz
630.71k
25
Featured Recommended AI Models
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 Supports Multiple Languages
Transformers Supports Multiple LanguagesL
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 English
Transformers EnglishC
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 Chinese
R
uer
2,694
98