%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
Fr Core News Sm
模型概述
這是一個法語處理流水線模型，主要用於法語文本的基本NLP任務處理，包括分詞、詞性標註、依存句法分析、命名實體識別等。模型針對CPU使用進行了優化，適合輕量級應用場景。
模型特點
CPU優化
專門針對CPU使用場景優化的模型，適合資源有限的環境
全面NLP功能
提供從基礎分詞到複雜句法分析的完整NLP處理能力
高精度詞性標註
詞性標註準確率達到96.18%（UPOS）
命名實體識別
F1值達到81.27%，能識別法語文本中的各類命名實體
模型能力
文本分詞
詞性標註
命名實體識別
依存句法分析
詞形還原
句子分割
形態分析
使用案例
文本處理
法語文本分析
對法語新聞、文章等進行基礎NLP處理
獲得分詞、詞性標註、命名實體等結構化信息
信息提取
法語實體識別
從法語文本中提取人名、地名、機構名等實體信息
F1值81.27%的識別準確率
🚀 fr_core_news_sm 法語語言模型
fr_core_news_sm 是一款針對 CPU 進行優化的法語處理管道模型。它能夠完成詞性標註、命名實體識別、句法分析等多種自然語言處理任務，為法語相關的文本處理工作提供了高效且準確的解決方案。
📚 詳細文檔
模型詳情
詳情請見：https://spacy.io/models/fr#fr_core_news_sm
該法語管道針對 CPU 進行了優化，其組件包括：tok2vec、morphologizer、parser、senter、ner、attribute_ruler、lemmatizer。
| 屬性 | 詳情 |
|---|---|
| 模型名稱 | fr_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、attribute_ruler、lemmatizer、ner |
| 組件 | tok2vec、morphologizer、parser、senter、attribute_ruler、lemmatizer、ner |
| 向量 | 0 個鍵，0 個唯一向量（0 維） |
| 數據來源 | UD French Sequoia v2.8 (Candito, Marie; Seddah, Djamé; Perrier, Guy; Guillaume, Bruno) WikiNER (Joel Nothman, Nicky Ringland, Will Radford, Tara Murphy, James R Curran) spaCy lookups data (Explosion) |
| 許可證 | LGPL-LR |
| 作者 | Explosion |
標籤方案
查看標籤方案（3 個組件共 237 個標籤）
| 組件 | 標籤 |
|---|---|
morphologizer |
POS=PROPN、Gender=Fem|Number=Sing|POS=DET|PronType=Dem、Gender=Fem|Number=Sing|POS=NOUN、Number=Plur|POS=PRON|Person=1、Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、POS=SCONJ、POS=ADP、Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art、NumType=Ord|POS=ADJ、Gender=Masc|Number=Sing|POS=NOUN、POS=PUNCT、Gender=Masc|Number=Sing|POS=PROPN、Number=Plur|POS=ADJ、Gender=Masc|Number=Plur|POS=NOUN、Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Art、Number=Sing|POS=ADJ、Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Imp|VerbForm=Fin、POS=ADV、Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin、Gender=Fem|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art、Gender=Fem|Number=Sing|POS=PROPN、Definite=Def|Number=Sing|POS=DET|PronType=Art、NumType=Card|POS=NUM、Definite=Def|Number=Plur|POS=DET|PronType=Art、Gender=Masc|Number=Plur|POS=ADJ、POS=CCONJ、Gender=Fem|Number=Plur|POS=NOUN、Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin、Gender=Masc|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part、Gender=Fem|Number=Plur|POS=ADJ、POS=ADJ、Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin、POS=PRON|PronType=Rel、Number=Sing|POS=DET|Poss=Yes、Definite=Def|Gender=Masc|Number=Sing|POS=ADP|PronType=Art、Definite=Def|Number=Plur|POS=ADP|PronType=Art、Definite=Ind|Number=Plur|POS=DET|PronType=Art、Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Past|VerbForm=Fin、Gender=Masc|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、POS=VERB|VerbForm=Inf、Gender=Fem|Number=Sing|POS=ADJ、Gender=Masc|Number=Sing|POS=PRON|Person=3、Number=Plur|POS=DET、Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、Gender=Masc|Number=Sing|POS=ADJ、Gender=Masc|Number=Sing|POS=DET|PronType=Dem、POS=ADV|PronType=Int、POS=VERB|Tense=Pres|VerbForm=Part、Gender=Fem|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part、Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Art、Gender=Masc|POS=ADJ、Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Fut|VerbForm=Fin、Number=Plur|POS=DET|Poss=Yes、POS=AUX|VerbForm=Inf、Gender=Masc|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Gender=Masc|POS=VERB|Tense=Past|VerbForm=Part、POS=ADV|Polarity=Neg、Definite=Ind|Number=Sing|POS=DET|PronType=Art、Gender=Fem|Number=Sing|POS=PRON|Person=3、POS=PRON|Person=3|Reflex=Yes、Gender=Masc|POS=NOUN、POS=AUX|Tense=Past|VerbForm=Part、POS=PRON|Person=3、Number=Plur|POS=NOUN、NumType=Ord|Number=Sing|POS=ADJ、POS=VERB|Tense=Past|VerbForm=Part、POS=AUX|Tense=Pres|VerbForm=Part、Gender=Masc|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part、Number=Sing|POS=PRON|Person=3、Number=Sing|POS=NOUN、Gender=Masc|Number=Plur|POS=PRON|Person=3、Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Imp|VerbForm=Fin、Gender=Fem|NumType=Ord|Number=Sing|POS=ADJ、Number=Plur|POS=PROPN、Number=Sing|POS=PROPN、Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Imp|VerbForm=Fin、Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、Gender=Masc|Number=Plur|POS=PRON|PronType=Dem、Gender=Masc|Number=Sing|POS=DET、Gender=Fem|Number=Sing|POS=DET|Poss=Yes、Gender=Masc|POS=PRON、POS=NOUN、Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Fut|VerbForm=Fin、Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Fut|VerbForm=Fin、Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Number=Plur|POS=PRON、Gender=Masc|NumType=Ord|Number=Plur|POS=ADJ、Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Fut|VerbForm=Fin、Gender=Fem|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Number=Sing|POS=PRON、Number=Sing|POS=PRON|PronType=Dem、Mood=Ind|POS=VERB|VerbForm=Fin、Number=Plur|POS=DET|PronType=Dem、Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Prs、Gender=Masc|Number=Plur|POS=PRON|Person=3|PronType=Prs、Gender=Masc|Number=Sing|POS=PRON、Gender=Masc|Number=Sing|POS=PRON|Person=3|PronType=Dem、Number=Sing|POS=PRON|Person=2|PronType=Prs、Gender=Masc|Number=Sing|POS=PRON|PronType=Rel、Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Imp|VerbForm=Fin、Mood=Sub|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、Gender=Masc|NumType=Ord|Number=Sing|POS=ADJ、POS=PRON、POS=NUM、Gender=Fem|POS=NOUN、POS=SPACE、Gender=Fem|Number=Plur|POS=PRON、Number=Plur|POS=PRON|Person=3、Number=Sing|POS=VERB|Tense=Past|VerbForm=Part、Number=Sing|POS=PRON|Person=1、Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Mood=Sub|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin、Gender=Fem|Number=Sing|POS=PRON、Gender=Fem|Number=Sing|POS=PRON|Person=3|PronType=Prs、Mood=Sub|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、POS=INTJ、Number=Plur|POS=PRON|Person=2、NumType=Card|POS=PRON、Definite=Ind|Gender=Fem|Number=Plur|POS=DET|PronType=Art、Gender=Fem|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part、NumType=Card|POS=NOUN、POS=PRON|PronType=Int、Gender=Fem|Number=Plur|POS=PRON|Person=3、Gender=Fem|Number=Sing|POS=DET、Mood=Cnd|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、Gender=Fem|Number=Plur|POS=DET、Mood=Sub|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、Definite=Ind|Gender=Masc|Number=Plur|POS=DET|PronType=Art、Mood=Cnd|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、Gender=Masc|Number=Sing|POS=PRON|PronType=Dem、Gender=Masc|Number=Plur|POS=PROPN、Mood=Cnd|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、Gender=Fem|Number=Sing|POS=PRON|PronType=Dem、Number=Sing|POS=DET、Gender=Masc|NumType=Card|Number=Plur|POS=NOUN、Gender=Fem|Number=Plur|POS=PRON|PronType=Dem、Mood=Ind|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin、Gender=Fem|POS=PRON、Gender=Masc|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Gender=Fem|Number=Sing|POS=PRON|PronType=Rel、Mood=Ind|Number=Sing|POS=AUX|Person=1|Tense=Imp|VerbForm=Fin、Mood=Cnd|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Mood=Ind|Number=Sing|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin、Gender=Masc|Number=Sing|POS=AUX|Tense=Past|VerbForm=Part、POS=X、POS=SYM、Mood=Imp|Number=Plur|POS=VERB|Person=2|Tense=Pres|VerbForm=Fin、Mood=Ind|Number=Plur|POS=VERB|Person=2|Tense=Pres|VerbForm=Fin、Gender=Masc|Number=Sing|POS=DET|PronType=Int、Gender=Fem|Number=Plur|POS=DET|PronType=Int、POS=DET、Gender=Masc|Number=Plur|POS=PRON、Mood=Sub|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、Mood=Ind|POS=VERB|Person=3|VerbForm=Fin、Number=Sing|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Mood=Cnd|Number=Plur|POS=VERB|Person=2|Tense=Pres|VerbForm=Fin、Mood=Ind|Number=Plur|POS=AUX|Person=2|Tense=Pres|VerbForm=Fin、Gender=Fem|Number=Sing|POS=DET|PronType=Int、Gender=Masc|Number=Plur|POS=DET、Gender=Fem|Number=Plur|POS=PRON|PronType=Rel、Number=Plur|POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Gender=Masc|Number=Plur|POS=PRON|PronType=Rel、POS=VERB|Tense=Past|VerbForm=Part|Voice=Pass、Gender=Fem|NumType=Ord|Number=Plur|POS=ADJ、Mood=Ind|Number=Plur|POS=VERB|Person=2|Tense=Fut|VerbForm=Fin、Mood=Imp|POS=VERB|Tense=Pres|VerbForm=Fin、Number=Plur|POS=PRON|Person=2|Reflex=Yes、Mood=Cnd|Number=Sing|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Number=Plur|POS=PRON|Person=1|Reflex=Yes、Gender=Masc|NumType=Card|Number=Sing|POS=NOUN、Mood=Ind|Number=Plur|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin、Mood=Ind|Number=Plur|POS=AUX|Person=1|Tense=Fut|VerbForm=Fin、Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Fut|VerbForm=Fin、Number=Sing|POS=PRON|Person=1|Reflex=Yes、Mood=Ind|Number=Plur|POS=VERB|Person=1|Tense=Imp|VerbForm=Fin、Mood=Ind|Number=Plur|POS=AUX|Person=1|Tense=Imp|VerbForm=Fin、Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Imp|VerbForm=Fin、Mood=Sub|Number=Sing|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Gender=Masc|POS=PROPN、Mood=Cnd|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin、Number=Plur|POS=PRON|Person=1|PronType=Prs、Mood=Sub|Number=Sing|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin、Number=Plur|POS=PRON|Person=2|PronType=Prs、Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Fut|VerbForm=Fin、Gender=Fem|Number=Plur|POS=PRON|Person=3|PronType=Prs、Number=Sing|POS=PRON|Person=1|PronType=Prs、Mood=Cnd|Number=Sing|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin、Mood=Sub|Number=Plur|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin、Mood=Imp|Number=Plur|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin、Mood=Sub|Number=Plur|POS=AUX|Person=2|Tense=Pres|VerbForm=Fin、Mood=Ind|Number=Plur|POS=VERB|Person=2|Tense=Imp|VerbForm=Fin、Mood=Ind|Number=Sing|POS=AUX|Person=2|Tense=Imp|VerbForm=Fin、Number=Plur|POS=VERB|Tense=Past|VerbForm=Part、Gender=Fem|Number=Plur|POS=PROPN、Gender=Masc|NumType=Card|POS=NUM |
parser |
ROOT、acl、acl:relcl、advcl、advmod、amod、appos、aux:pass、aux:tense、case、cc、ccomp、conj、cop、dep、det、expl:comp、expl:pass、expl:subj、fixed、flat:foreign、flat:name、iobj、mark、nmod、nsubj、nsubj:pass、nummod、obj、obl:agent、obl:arg、obl:mod、parataxis、punct、vocative、xcomp |
ner |
LOC、MISC、ORG、PER |
準確率
| 類型 | 得分 |
|---|---|
TOKEN_ACC |
99.80 |
TOKEN_P |
98.44 |
TOKEN_R |
98.96 |
TOKEN_F |
98.70 |
POS_ACC |
96.18 |
MORPH_ACC |
95.30 |
MORPH_MICRO_P |
97.96 |
MORPH_MICRO_R |
96.64 |
MORPH_MICRO_F |
97.29 |
SENTS_P |
85.61 |
SENTS_R |
86.65 |
SENTS_F |
86.13 |
DEP_UAS |
87.82 |
DEP_LAS |
83.48 |
TAG_ACC |
93.32 |
LEMMA_ACC |
90.84 |
ENTS_P |
81.48 |
ENTS_R |
81.06 |
ENTS_F |
81.27 |
📄 許可證
本項目採用 LGPL-LR 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