%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)
TW
Nb Core News Sm
模型概述
這是一個spaCy小型挪威博克馬爾語處理模型，包含分詞、詞性標註、依存分析、命名實體識別等功能，針對CPU使用進行了優化。
模型特點
CPU優化
專門針對CPU使用進行了優化，適合資源有限的環境
全面NLP處理
提供從分詞到命名實體識別的完整自然語言處理流程
高準確率
在挪威博克馬爾語任務上表現出色，如詞性標註準確率達96.74%
模型能力
分詞
詞性標註
形態分析
詞形還原
依存分析
命名實體識別
句子分割
使用案例
文本處理
新聞分析
處理挪威博克馬爾語新聞文本，提取實體和語法結構
NER F值達到75.19%
語言學研究
用於挪威博克馬爾語的語法和形態學研究
形態特徵準確率達95.32%
信息提取
實體識別
從文本中識別人名、地名、組織名等實體
支持9種實體類型識別
🚀 nb_core_news_sm 模型
nb_core_news_sm 是一個針對挪威語（Bokmål）優化的自然語言處理模型，專為CPU使用場景設計。它具備多種自然語言處理組件，可用於詞性標註、命名實體識別等任務。
🚀 快速開始
該模型的詳細信息可查看：https://spacy.io/models/nb#nb_core_news_sm
✨ 主要特性
- 多任務支持：支持NER、TAG、POS、MORPH、LEMMA、UNLABELED_DEPENDENCIES、LABELED_DEPENDENCIES、SENTS等多種詞性分類任務。
- CPU優化：針對CPU進行了優化，能在CPU環境下高效運行。
📚 詳細文檔
模型信息
| 屬性 | 詳情 |
|---|---|
| 模型名稱 | nb_core_news_sm |
| 版本 | 3.7.0 |
| spaCy版本要求 | >=3.7.0,<3.8.0 |
| 默認管道 | tok2vec, morphologizer, parser, lemmatizer, attribute_ruler, ner |
| 組件 | tok2vec, morphologizer, parser, lemmatizer, senter, attribute_ruler, ner |
| 向量 | 0 個鍵，0 個唯一向量（0 維） |
| 來源 | UD Norwegian Bokmaal v2.8 (Øvrelid, Lilja; Jørgensen, Fredrik; Hohle, Petter) NorNE: Norwegian Named Entities (commit: bd311de5) (Language Technology Group (University of Oslo)) |
| 許可證 | MIT |
| 作者 | Explosion |
標籤方案
查看標籤方案（3個組件共249個標籤）
| 組件 | 標籤 |
|---|---|
morphologizer |
Definite=Ind|Gender=Neut|Number=Sing|POS=NOUN, POS=CCONJ, Definite=Ind|Gender=Masc|Number=Sing|POS=NOUN, POS=SCONJ, Definite=Def|Gender=Masc|Number=Sing|POS=NOUN, Definite=Ind|Gender=Neut|Number=Plur|POS=NOUN, POS=PUNCT, Mood=Ind|POS=VERB|Tense=Past|VerbForm=Fin, POS=ADP, Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Definite=Def|Degree=Pos|Number=Sing|POS=ADJ, POS=PROPN, POS=X, Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin, Definite=Def|Gender=Neut|Number=Sing|POS=NOUN, POS=PRON|PronType=Rel, Mood=Ind|POS=AUX|Tense=Pres|VerbForm=Fin, Definite=Ind|Gender=Neut|Number=Sing|POS=ADJ|VerbForm=Part, Definite=Ind|Degree=Pos|Number=Sing|POS=ADJ, Definite=Ind|Gender=Fem|Number=Sing|POS=NOUN, Number=Plur|POS=ADJ|VerbForm=Part, Definite=Ind|Gender=Fem|Number=Plur|POS=NOUN, POS=ADV, Gender=Neut|Number=Sing|POS=PRON|Person=3|PronType=Prs, Definite=Ind|Number=Sing|POS=ADJ|VerbForm=Part, POS=VERB|VerbForm=Part, Definite=Ind|Gender=Masc|Number=Plur|POS=NOUN, Definite=Ind|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Degree=Pos|Number=Plur|POS=ADJ, NumType=Card|Number=Plur|POS=NUM, Definite=Def|Gender=Masc|Number=Plur|POS=NOUN, Case=Acc|POS=PRON|PronType=Prs|Reflex=Yes, Case=Gen|Definite=Ind|Gender=Neut|Number=Sing|POS=NOUN, POS=PART, POS=VERB|VerbForm=Inf, Case=Nom|Number=Plur|POS=PRON|Person=3|PronType=Prs, Mood=Ind|POS=AUX|Tense=Past|VerbForm=Fin, Gender=Fem|POS=PROPN, POS=NOUN, Gender=Masc|POS=PROPN, Gender=Neut|Number=Sing|POS=DET|PronType=Dem, Gender=Masc|Number=Sing|POS=DET|PronType=Art, Case=Gen|Definite=Def|Gender=Masc|Number=Sing|POS=NOUN, Abbr=Yes|POS=PROPN, POS=PART|Polarity=Neg, Number=Plur|POS=PRON|Poss=Yes|PronType=Prs, Case=Gen|Definite=Ind|Gender=Neut|Number=Plur|POS=NOUN, Case=Gen|POS=PROPN, Gender=Fem|Number=Sing|POS=DET|PronType=Dem, Gender=Masc|Number=Sing|POS=PRON|Poss=Yes|PronType=Prs, Definite=Def|Degree=Sup|POS=ADJ, Case=Gen|Gender=Fem|POS=PROPN, Number=Plur|POS=DET|PronType=Dem, Case=Gen|Definite=Def|Gender=Neut|Number=Sing|POS=NOUN, Definite=Ind|Degree=Sup|POS=ADJ, Definite=Def|Gender=Fem|Number=Plur|POS=NOUN, Gender=Neut|POS=PROPN, Number=Plur|POS=DET|PronType=Int, Definite=Def|Gender=Neut|Number=Plur|POS=NOUN, Definite=Def|POS=DET|PronType=Dem, Gender=Neut|Number=Sing|POS=DET|PronType=Art, Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin|Voice=Pass, Abbr=Yes|Case=Gen|POS=PROPN, Animacy=Hum|Case=Nom|Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, Degree=Cmp|POS=ADJ, POS=ADJ|VerbForm=Part, Gender=Neut|Number=Sing|POS=PRON|Poss=Yes|PronType=Prs, Abbr=Yes|POS=ADP, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Prs, Case=Gen|Definite=Def|Gender=Neut|Number=Plur|POS=NOUN, POS=AUX|VerbForm=Part, POS=PRON|PronType=Int, Gender=Fem|Number=Sing|POS=PRON|Poss=Yes|PronType=Prs, Number=Plur|POS=PRON|Person=3|PronType=Ind,Prs, Number=Plur|POS=DET|PronType=Ind, Degree=Pos|POS=ADJ, Animacy=Hum|Case=Nom|Number=Plur|POS=PRON|Person=1|PronType=Prs, POS=VERB|VerbForm=Inf|Voice=Pass, Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Dem, Gender=Neut|Number=Sing|POS=DET|PronType=Ind, Animacy=Hum|Case=Acc|Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, Animacy=Hum|Case=Nom|Number=Sing|POS=PRON|Person=1|PronType=Prs, Number=Plur|POS=DET|Polarity=Neg|PronType=Neg, NumType=Card|POS=NUM, Gender=Masc|Number=Sing|POS=DET|PronType=Ind, POS=DET|PronType=Prs, Gender=Fem|Number=Sing|POS=DET|PronType=Ind, Case=Gen|Gender=Neut|POS=PROPN, Gender=Masc|Number=Sing|POS=DET|Polarity=Neg|PronType=Neg, Definite=Def|Number=Sing|POS=ADJ|VerbForm=Part, Gender=Fem,Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs, POS=AUX|VerbForm=Inf, Case=Acc|Number=Plur|POS=PRON|Person=3|PronType=Prs, Case=Gen|Degree=Pos|Number=Plur|POS=ADJ, Number=Plur|POS=DET|PronType=Tot, Case=Gen|Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Number=Plur|POS=DET|PronType=Prs, POS=SYM, Gender=Neut|NumType=Card|Number=Sing|POS=NUM, Animacy=Hum|Case=Nom|Number=Sing|POS=PRON|PronType=Prs, Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Prs, Case=Gen|Definite=Ind|Gender=Masc|Number=Sing|POS=NOUN, Abbr=Yes|POS=ADV, Definite=Ind|Gender=Neut|Number=Sing|POS=DET|PronType=Dem, Gender=Masc|Number=Sing|POS=DET|PronType=Tot, Definite=Def|POS=DET|PronType=Prs, Animacy=Hum|Case=Nom|Gender=Fem|Number=Sing|POS=PRON|Person=3|PronType=Prs, Gender=Neut|POS=NOUN, Gender=Neut|Number=Sing|POS=DET|PronType=Int, Definite=Def|NumType=Card|POS=NUM, Mood=Imp|POS=VERB|VerbForm=Fin, Definite=Ind|Number=Plur|POS=NOUN, Gender=Neut|Number=Sing|POS=DET|PronType=Tot, Gender=Fem|Number=Sing|POS=DET|PronType=Tot, Animacy=Hum|Case=Acc|Number=Plur|POS=PRON|Person=1|PronType=Prs, Gender=Fem,Masc|Number=Sing|POS=PRON|Person=3|Polarity=Neg|PronType=Neg,Prs, Number=Plur|POS=PRON|Person=3|Polarity=Neg|PronType=Neg,Prs, Definite=Def|NumType=Card|Number=Sing|POS=NUM, Gender=Masc|NumType=Card|Number=Sing|POS=NUM, Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Case=Gen|Definite=Def|Gender=Fem|Number=Plur|POS=NOUN, Case=Gen|Gender=Neut|Number=Sing|POS=DET|PronType=Dem, POS=SPACE, Animacy=Hum|Number=Sing|POS=PRON|PronType=Art,Prs, Mood=Imp|POS=AUX|VerbForm=Fin, Number=Plur|POS=PRON|Person=3|PronType=Prs,Tot, Number=Plur|POS=ADJ, Gender=Masc|POS=NOUN, Abbr=Yes|POS=NOUN, Case=Gen|Definite=Ind|Gender=Masc|Number=Plur|POS=NOUN, Gender=Neut|Number=Sing|POS=PRON|Person=3|PronType=Ind,Prs, POS=INTJ, Animacy=Hum|Case=Nom|Number=Sing|POS=PRON|Person=2|PronType=Prs, Animacy=Hum|Case=Acc|Number=Sing|POS=PRON|Person=1|PronType=Prs, Case=Gen|Definite=Def|Gender=Masc|Number=Plur|POS=NOUN, POS=ADJ, Animacy=Hum|Case=Acc|Gender=Fem|Number=Sing|POS=PRON|Person=3|PronType=Prs, Animacy=Hum|Case=Acc|Number=Sing|POS=PRON|Person=2|PronType=Prs, Definite=Def|Gender=Fem|Number=Sing|POS=NOUN, Number=Sing|POS=PRON|Polarity=Neg|PronType=Neg, Case=Gen|POS=NOUN, Definite=Ind|Number=Sing|POS=ADJ, Case=Gen|Gender=Masc|POS=PROPN, Animacy=Hum|Number=Plur|POS=PRON|PronType=Rcp, Case=Gen|Definite=Ind|Gender=Fem|Number=Sing|POS=NOUN, Number=Plur|POS=PRON|Person=3|PronType=Prs, Gender=Fem,Masc|Number=Sing|POS=PRON|Person=3|PronType=Ind,Prs, Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Prs, Case=Gen|Definite=Def|Gender=Fem|Number=Sing|POS=NOUN, Gender=Fem|Number=Sing|POS=DET|PronType=Art, Case=Gen|Definite=Def|Degree=Pos|Number=Sing|POS=ADJ, Gender=Masc|Number=Sing|POS=DET|PronType=Int, NumType=Card|Number=Sing|POS=NUM, Animacy=Hum|Case=Acc|Number=Plur|POS=PRON|Person=2|PronType=Prs, Animacy=Hum|Case=Nom|Number=Plur|POS=PRON|Person=2|PronType=Prs, Case=Gen|Definite=Ind|Degree=Pos|Gender=Neut|Number=Sing|POS=ADJ, Degree=Sup|POS=ADJ, Animacy=Hum|POS=PRON|PronType=Int, POS=DET|PronType=Ind, Definite=Def|Number=Sing|POS=DET|PronType=Dem, Gender=Fem|POS=NOUN, Case=Gen|Number=Plur|POS=DET|PronType=Dem, Gender=Fem,Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs,Tot, Case=Gen|Definite=Ind|Gender=Fem|Number=Plur|POS=NOUN, Gender=Neut|Number=Sing|POS=DET|Polarity=Neg|PronType=Neg, Number=Plur|POS=NOUN, POS=PRON|PronType=Prs, Case=Gen|Definite=Ind|Degree=Pos|Number=Sing|POS=ADJ, Definite=Ind|Number=Sing|POS=VERB|VerbForm=Part, Case=Gen|Definite=Def|Number=Sing|POS=ADJ|VerbForm=Part, Mood=Ind|POS=VERB|Tense=Past|VerbForm=Fin|Voice=Pass, Gender=Neut|Number=Sing|POS=DET|PronType=Dem,Ind, Animacy=Hum|POS=PRON|Poss=Yes|PronType=Int, Abbr=Yes|POS=ADJ, Case=Gen|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Abbr=Yes|Definite=Def,Ind|Gender=Masc|Number=Sing|POS=NOUN, Case=Gen|Gender=Fem|Number=Sing|POS=DET|PronType=Dem, Number=Plur|POS=PRON|Poss=Yes|PronType=Rcp, Definite=Ind|Degree=Pos|POS=ADJ, Number=Plur|POS=DET|PronType=Art, Case=Gen|NumType=Card|Number=Plur|POS=NUM, Abbr=Yes|Definite=Def,Ind|Gender=Neut|Number=Plur,Sing|POS=NOUN, Case=Gen|Number=Plur|POS=DET|PronType=Tot, Abbr=Yes|Definite=Def,Ind|Gender=Masc|Number=Plur,Sing|POS=NOUN, Gender=Fem|Number=Sing|POS=DET|PronType=Int, Definite=Ind|Gender=Neut|Number=Sing|POS=ADJ, Case=Gen|Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Gender=Fem|Number=Sing|POS=DET|PronType=Prs, Animacy=Hum|Case=Gen,Nom|Number=Sing|POS=PRON|PronType=Art,Prs, Definite=Def|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Animacy=Hum|Case=Gen|Number=Sing|POS=PRON|PronType=Art,Prs, Gender=Fem|NumType=Card|Number=Sing|POS=NUM, Definite=Ind|Gender=Masc|POS=NOUN, Definite=Def|Number=Plur|POS=NOUN, Number=Sing|POS=ADJ|VerbForm=Part, Definite=Ind|Gender=Masc|Number=Sing|POS=ADJ|VerbForm=Part, Abbr=Yes|Gender=Masc|POS=NOUN, Abbr=Yes|Case=Gen|POS=NOUN, Abbr=Yes|Mood=Ind|POS=VERB|Tense=Pres|VerbForm=Fin, Abbr=Yes|Degree=Pos|POS=ADJ, Case=Gen|Gender=Fem|POS=NOUN, Case=Gen|Degree=Cmp|POS=ADJ, Definite=Ind|Degree=Pos|Gender=Masc|Number=Sing|POS=ADJ, Gender=Masc|Number=Sing|POS=NOUN |
parser |
ROOT, acl, acl:cleft, acl:relcl, advcl, advmod, amod, appos, aux, aux:pass, case, cc, ccomp, compound, compound:prt, conj, cop, csubj, dep, det, discourse, expl, flat:foreign, flat:name, iobj, mark, nmod, nsubj, nsubj:pass, nummod, obj, obl, orphan, parataxis, punct, xcomp |
ner |
DRV, EVT, GPE_LOC, GPE_ORG, LOC, MISC, ORG, PER, PROD |
準確率
| 類型 | 分數 |
|---|---|
TOKEN_ACC |
99.81 |
TOKEN_P |
99.71 |
TOKEN_R |
99.53 |
TOKEN_F |
99.62 |
POS_ACC |
96.74 |
MORPH_ACC |
95.32 |
MORPH_MICRO_P |
97.02 |
MORPH_MICRO_R |
96.07 |
MORPH_MICRO_F |
96.54 |
SENTS_P |
91.96 |
SENTS_R |
93.48 |
SENTS_F |
92.71 |
DEP_UAS |
88.41 |
DEP_LAS |
85.16 |
LEMMA_ACC |
96.90 |
TAG_ACC |
96.74 |
ENTS_P |
76.06 |
ENTS_R |
74.35 |
ENTS_F |
75.19 |
📄 許可證
本項目採用 MIT 許可證。
Indonesian Roberta Base Posp Tagger
MIT
這是一個基於印尼語RoBERTa模型微調的詞性標註模型，在indonlu數據集上訓練，用於印尼語文本的詞性標註任務。
序列標註
Transformers 其他
Transformers 其他I
w11wo
2.2M
7
Bert Base NER
MIT
基於BERT微調的命名實體識別模型，可識別四類實體：地點(LOC)、組織機構(ORG)、人名(PER)和雜項(MISC)
序列標註 英語
B
dslim
1.8M
592
Deid Roberta I2b2
MIT
該模型是基於RoBERTa微調的序列標註模型，用於識別和移除醫療記錄中的受保護健康信息(PHI/PII)。
序列標註 Transformers 支持多種語言
Transformers 支持多種語言D
obi
1.1M
33
Ner English Fast
Flair自帶的英文快速4類命名實體識別模型，基於Flair嵌入和LSTM-CRF架構，在CoNLL-03數據集上達到92.92的F1分數。
序列標註
PyTorch 英語
PyTorch 英語N
flair
978.01k
24
French Camembert Postag Model
基於Camembert-base的法語詞性標註模型，使用free-french-treebank數據集訓練
序列標註 Transformers 法語
Transformers 法語F
gilf
950.03k
9
Xlm Roberta Large Ner Spanish
基於XLM-Roberta-large架構微調的西班牙語命名實體識別模型，在CoNLL-2002數據集上表現優異。
序列標註 Transformers 西班牙語
Transformers 西班牙語X
MMG
767.35k
29
Nusabert Ner V1.3
MIT
基於NusaBert-v1.3在印尼語NER任務上微調的命名實體識別模型
序列標註 Transformers 其他
Transformers 其他N
cahya
759.09k
3
Ner English Large
Flair框架內置的英文4類大型NER模型，基於文檔級XLM-R嵌入和FLERT技術，在CoNLL-03數據集上F1分數達94.36。
序列標註 PyTorch 英語
PyTorch 英語N
flair
749.04k
44
Punctuate All
MIT
基於xlm-roberta-base微調的多語言標點符號預測模型，支持12種歐洲語言的標點符號自動補全
序列標註 Transformers
TransformersP
kredor
728.70k
20
Xlm Roberta Ner Japanese
MIT
基於xlm-roberta-base微調的日語命名實體識別模型
序列標註 Transformers 支持多種語言
Transformers 支持多種語言X
tsmatz
630.71k
25
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型，性能媲美GPT-3.5-turbo，優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型 Transformers 支持多種語言
Transformers 支持多種語言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型，專為邊緣設備推理設計，體積僅為Cosmo-3B模型的2%左右。
對話系統 Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98