ru_core_news_lg开源俄语NLP模型 - 针对CPU优化，实现完整语言处理

Ru Core News Lg

由 spacy 开发

spaCy提供的俄语大模型，针对CPU优化，包含完整的NLP处理流程

下载量 74

发布时间 : 3/2/2022

模型简介

基于Nerus和Navec预训练的大型俄语NLP模型，支持词性标注、依存分析、命名实体识别等任务，专为俄语文本处理优化

CPU优化

专门针对CPU处理进行优化的俄语NLP流程

完整NLP组件

包含词性标注、形态分析、依存分析、命名实体识别等完整NLP处理组件

高质量预训练

基于Nerus和Navec的俄语预训练向量，包含50万+唯一向量

词性标注

命名实体识别

依存句法分析

形态分析

词形还原

句子分割

文本分析

俄语文本解析

对俄语新闻、文章等文本进行语法和结构分析

可识别词性、依存关系等语言特征

信息提取

俄语实体识别

从俄语文本中识别人名、地名、机构名等实体

NER F值达0.953

ru_core_news_lg 是一款针对 CPU 进行优化的俄语处理管道模型。它能够高效地处理俄语相关的自然语言处理任务，如命名实体识别、词性标注等，为俄语的文本分析提供了强大的支持。

任务名称	指标名称	指标类型	指标值
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

属性	详情
模型类型	`ru_core_news_lg`
版本	`3.7.0`
spaCy 版本要求	`>=3.7.0,<3.8.0`
默认管道	`tok2vec`, `morphologizer`, `parser`, `attribute_ruler`, `lemmatizer`, `ner`
组件	`tok2vec`, `morphologizer`, `parser`, `senter`, `attribute_ruler`, `lemmatizer`, `ner`
向量	500002 个键，500002 个唯一向量（300 维）
数据源	Nerus (Alexander Kukushkin) Navec (Alexander Kukushkin)
许可证	`MIT`
作者	Explosion

查看标签方案（3 个组件共 900 个标签）

组件	标签
`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`, ...（此处省略大量标签）