%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 Lg
模型概述
這是一個全面的法語自然語言處理流程，包含詞性標註、命名實體識別、依存句法分析、詞形還原等功能。模型基於高質量的法語語料庫訓練，適用於新聞領域文本處理。
模型特點
多任務處理能力
單一模型支持命名實體識別、詞性標註、依存分析、詞形還原等多種NLP任務
CPU優化
專為CPU使用場景優化，無需GPU即可高效運行
高質量向量表示
包含500,000個預訓練的詞向量（300維），提供豐富的語義表示
全面的形態分析
支持法語豐富的形態特徵分析，包括性別、數、時態等
模型能力
命名實體識別
詞性標註
形態分析
詞形還原
依存句法分析
句子分割
使用案例
文本分析
新聞內容分析
從法語新聞中提取命名實體（人名、地名、組織名等）
NER F值達到0.839
語法分析
分析法語句子的語法結構和詞性標註
UPOS標註準確率達0.973
信息提取
結構化數據提取
從非結構化法語文本中提取結構化信息
🚀 fr_core_news_lg 模型
fr_core_news_lg 是一個針對法語優化的自然語言處理模型，專為CPU使用場景設計。它能夠執行多種任務，如命名實體識別（NER）、詞性標註（POS）、形態分析等，在各項任務上都有出色的表現。
🚀 快速開始
詳情請訪問：https://spacy.io/models/fr#fr_core_news_lg
✨ 主要特性
- 專為法語設計，在多種自然語言處理任務上表現優異。
- 經過優化，適合在CPU上運行。
- 涵蓋多個組件，如
tok2vec、morphologizer、parser等，可滿足不同的處理需求。
📚 詳細文檔
模型信息
| 屬性 | 詳情 |
|---|---|
| 模型名稱 | fr_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 | 500000 個鍵，500000 個唯一向量（300 維） |
| 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) Explosion fastText Vectors (cbow, OSCAR Common Crawl + Wikipedia) (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 |
97.34 |
MORPH_ACC |
96.74 |
MORPH_MICRO_P |
98.91 |
MORPH_MICRO_R |
98.17 |
MORPH_MICRO_F |
98.54 |
SENTS_P |
85.92 |
SENTS_R |
89.26 |
SENTS_F |
87.35 |
DEP_UAS |
90.29 |
DEP_LAS |
86.54 |
TAG_ACC |
94.47 |
LEMMA_ACC |
91.36 |
ENTS_P |
83.99 |
ENTS_R |
83.87 |
ENTS_F |
83.93 |
🔧 技術細節
評估指標
| 任務 | 指標 | 值 |
|---|---|---|
| NER | NER Precision | 0.8398572946 |
| NER | NER Recall | 0.83869741 |
| NER | NER F Score | 0.8392769516 |
| TAG | TAG (XPOS) Accuracy | 0.9446562919 |
| POS | POS (UPOS) Accuracy | 0.9734102855 |
| MORPH | Morph (UFeats) Accuracy | 0.9674260386 |
| LEMMA | Lemma Accuracy | 0.9135840526 |
| UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.9028935185 |
| LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.8654090962 |
| SENTS | Sentences F-Score | 0.8735083532 |
📄 許可證
本模型採用 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