# 俄語NLP

基於Deberta架構的俄語垃圾郵件檢測模型，能夠將文本分類為垃圾郵件或非垃圾郵件。

基於RuBERT-tiny2微調的俄語多標籤情感分類模型，支持28種情感類別識別

基於google/mt5-base微調的俄語文本摘要生成模型，訓練數據約5萬條樣本，專注於生成高質量俄語摘要。

Vikhr是基於Mistral架構的俄語模型，經過4億標記的三輪預訓練，在俄語任務上表現優於原版Mistral，但在代碼處理方面可能存在不足。

該模型是一個支持俄語的開源模型，採用Apache-2.0許可證發佈。

基於T5架構的俄語預訓練語言模型，採用類似UL2的7種降噪器混合訓練策略，支持多種文本生成任務。

DeBERTa-base是一個針對俄語的預訓練雙向編碼器，主要用於處理俄語文本任務。

針對俄語預訓練的雙向編碼器模型，基於大規模文本語料訓練，支持特徵提取任務。

由SberDevices團隊預訓練的俄語大型語言模型，基於Transformer架構，參數量4.27億，訓練數據量30GB

spaCy提供的針對CPU優化的俄語處理流程，包含分詞、詞性標註、依存分析、命名實體識別等功能

基於BERT架構的俄語文本情感分類模型

Stanza是一套精準高效的多國語言分析工具集，提供俄語的文本分析功能。

這是一個用於俄語文本情感分類的模型，基於ruBERT對話嵌入器構建，能夠識別中性、積極和消極三種情感。

spaCy提供的俄語大模型，針對CPU優化，包含完整的NLP處理流程

針對CPU優化的俄語處理流程，包含標記分類、依存分析、命名實體識別等NLP任務

這是多語言蒸餾式BERT基礎模型（大小寫敏感）的精簡版本，專門針對俄語優化，能生成與原模型完全一致的語義表示，保持原始準確率。

基於rugpt3medium_based_on_gpt2的俄語抽象摘要生成模型，專門針對Gazeta數據集進行訓練

RuBERT是基於俄語維基百科和新聞數據訓練的俄語BERT模型，具有1.8億參數，支持掩碼語言建模和下一句預測任務。