ru_core_news_lg開源俄語NLP模型 - 針對CPU優化，實現完整語言處理

Ru Core News Lg

由spacy開發

spaCy提供的俄語大模型，針對CPU優化，包含完整的NLP處理流程

下載量 74

發布時間 : 3/2/2022

模型概述

基於Nerus和Navec預訓練的大型俄語NLP模型，支持詞性標註、依存分析、命名實體識別等任務，專為俄語文本處理優化

CPU優化

專門針對CPU處理進行優化的俄語NLP流程

完整NLP組件

包含詞性標註、形態分析、依存分析、命名實體識別等完整NLP處理組件

高質量預訓練

基於Nerus和Navec的俄語預訓練向量，包含50萬+唯一向量

詞性標註

命名實體識別

依存句法分析

形態分析

詞形還原

句子分割

文本分析

俄語文本解析

對俄語新聞、文章等文本進行語法和結構分析

可識別詞性、依存關係等語言特徵

信息提取

俄語實體識別

從俄語文本中識別人名、地名、機構名等實體

NER F值達0.953

ru_core_news_lg 是一款針對 CPU 進行優化的俄語處理管道模型。它能夠高效地處理俄語相關的自然語言處理任務，如命名實體識別、詞性標註等，為俄語的文本分析提供了強大的支持。

任務名稱	指標名稱	指標類型	指標值
NER	NER Precision	precision	0.9524209818
NER	NER Recall	recall	0.9535431745
NER	NER F Score	f_score	0.9529817478
TAG	TAG (XPOS) Accuracy	accuracy	0.989280677
POS	POS (UPOS) Accuracy	accuracy	0.989280677
MORPH	Morph (UFeats) Accuracy	accuracy	0.9749177029
LEMMA	Lemma Accuracy	accuracy	2.15295e - 05
UNLABELED_DEPENDENCIES	Unlabeled Attachment Score (UAS)	f_score	0.962198055
LABELED_DEPENDENCIES	Labeled Attachment Score (LAS)	f_score	0.9511948091
SENTS	Sentences F - Score	f_score	0.9985729236

屬性	詳情
模型類型	`ru_core_news_lg`
版本	`3.7.0`
spaCy 版本要求	`>=3.7.0,<3.8.0`
默認管道	`tok2vec`, `morphologizer`, `parser`, `attribute_ruler`, `lemmatizer`, `ner`
組件	`tok2vec`, `morphologizer`, `parser`, `senter`, `attribute_ruler`, `lemmatizer`, `ner`
向量	500002 個鍵，500002 個唯一向量（300 維）
數據源	Nerus (Alexander Kukushkin) Navec (Alexander Kukushkin)
許可證	`MIT`
作者	Explosion

查看標籤方案（3 個組件共 900 個標籤）

組件	標籤
`morphologizer`	`Case=Nom\|Degree=Pos\|Number=Plur\|POS=ADJ`, `Animacy=Anim\|Case=Nom\|Gender=Masc\|Number=Plur\|POS=NOUN`, `Aspect=Perf\|Mood=Ind\|Number=Plur\|POS=VERB\|Tense=Past\|VerbForm=Fin\|Voice=Act`, ...（此處省略大量標籤）