%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)
ZH
Fr Core News Sm
模型简介
这是一个法语处理流水线模型，主要用于法语文本的基本NLP任务处理，包括分词、词性标注、依存句法分析、命名实体识别等。模型针对CPU使用进行了优化，适合轻量级应用场景。
模型特点
CPU优化
专门针对CPU使用场景优化的模型，适合资源有限的环境
全面NLP功能
提供从基础分词到复杂句法分析的完整NLP处理能力
高精度词性标注
词性标注准确率达到96.18%（UPOS）
命名实体识别
F1值达到81.27%，能识别法语文本中的各类命名实体
模型能力
文本分词
词性标注
命名实体识别
依存句法分析
词形还原
句子分割
形态分析
使用案例
文本处理
法语文本分析
对法语新闻、文章等进行基础NLP处理
获得分词、词性标注、命名实体等结构化信息
信息提取
法语实体识别
从法语文本中提取人名、地名、机构名等实体信息
F1值81.27%的识别准确率
🚀 fr_core_news_sm 法语语言模型
fr_core_news_sm 是一款针对 CPU 进行优化的法语处理管道模型。它能够完成词性标注、命名实体识别、句法分析等多种自然语言处理任务，为法语相关的文本处理工作提供了高效且准确的解决方案。
📚 详细文档
模型详情
详情请见：https://spacy.io/models/fr#fr_core_news_sm
该法语管道针对 CPU 进行了优化，其组件包括：tok2vec、morphologizer、parser、senter、ner、attribute_ruler、lemmatizer。
| 属性 | 详情 |
|---|---|
| 模型名称 | fr_core_news_sm |
| 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 | 0 个键，0 个唯一向量（0 维） |
| 数据来源 | 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) |
| 许可证 | LGPL-LR |
| 作者 | Explosion |
标签方案
查看标签方案（3 个组件共 237 个标签）
| 组件 | 标签 |
|---|---|
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 |
准确率
| 类型 | 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 |
📄 许可证
本项目采用 LGPL-LR 许可证。
Indonesian Roberta Base Posp Tagger
MIT
这是一个基于印尼语RoBERTa模型微调的词性标注模型，在indonlu数据集上训练，用于印尼语文本的词性标注任务。
序列标注
Transformers 其他
Transformers 其他I
w11wo
2.2M
7
Bert Base NER
MIT
基于BERT微调的命名实体识别模型，可识别四类实体：地点(LOC)、组织机构(ORG)、人名(PER)和杂项(MISC)
序列标注 英语
B
dslim
1.8M
592
Deid Roberta I2b2
MIT
该模型是基于RoBERTa微调的序列标注模型，用于识别和移除医疗记录中的受保护健康信息(PHI/PII)。
序列标注 Transformers 支持多种语言
Transformers 支持多种语言D
obi
1.1M
33
Ner English Fast
Flair自带的英文快速4类命名实体识别模型，基于Flair嵌入和LSTM-CRF架构，在CoNLL-03数据集上达到92.92的F1分数。
序列标注
PyTorch 英语
PyTorch 英语N
flair
978.01k
24
French Camembert Postag Model
基于Camembert-base的法语词性标注模型，使用free-french-treebank数据集训练
序列标注 Transformers 法语
Transformers 法语F
gilf
950.03k
9
Xlm Roberta Large Ner Spanish
基于XLM-Roberta-large架构微调的西班牙语命名实体识别模型，在CoNLL-2002数据集上表现优异。
序列标注 Transformers 西班牙语
Transformers 西班牙语X
MMG
767.35k
29
Nusabert Ner V1.3
MIT
基于NusaBert-v1.3在印尼语NER任务上微调的命名实体识别模型
序列标注 Transformers 其他
Transformers 其他N
cahya
759.09k
3
Ner English Large
Flair框架内置的英文4类大型NER模型，基于文档级XLM-R嵌入和FLERT技术，在CoNLL-03数据集上F1分数达94.36。
序列标注 PyTorch 英语
PyTorch 英语N
flair
749.04k
44
Punctuate All
MIT
基于xlm-roberta-base微调的多语言标点符号预测模型，支持12种欧洲语言的标点符号自动补全
序列标注 Transformers
TransformersP
kredor
728.70k
20
Xlm Roberta Ner Japanese
MIT
基于xlm-roberta-base微调的日语命名实体识别模型
序列标注 Transformers 支持多种语言
Transformers 支持多种语言X
tsmatz
630.71k
25
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers 支持多种语言
Transformers 支持多种语言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
Transformers 英语C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98