%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 Lg
模型简介
这是一个全面的法语自然语言处理流程，包含词性标注、命名实体识别、依存句法分析、词形还原等功能。模型基于高质量的法语语料库训练，适用于新闻领域文本处理。
模型特点
多任务处理能力
单一模型支持命名实体识别、词性标注、依存分析、词形还原等多种NLP任务
CPU优化
专为CPU使用场景优化，无需GPU即可高效运行
高质量向量表示
包含500,000个预训练的词向量（300维），提供丰富的语义表示
全面的形态分析
支持法语丰富的形态特征分析，包括性别、数、时态等
模型能力
命名实体识别
词性标注
形态分析
词形还原
依存句法分析
句子分割
使用案例
文本分析
新闻内容分析
从法语新闻中提取命名实体（人名、地名、组织名等）
NER F值达到0.839
语法分析
分析法语句子的语法结构和词性标注
UPOS标注准确率达0.973
信息提取
结构化数据提取
从非结构化法语文本中提取结构化信息
🚀 fr_core_news_lg 模型
fr_core_news_lg 是一个针对法语优化的自然语言处理模型，专为CPU使用场景设计。它能够执行多种任务，如命名实体识别（NER）、词性标注（POS）、形态分析等，在各项任务上都有出色的表现。
🚀 快速开始
详情请访问：https://spacy.io/models/fr#fr_core_news_lg
✨ 主要特性
- 专为法语设计，在多种自然语言处理任务上表现优异。
- 经过优化，适合在CPU上运行。
- 涵盖多个组件，如
tok2vec、morphologizer、parser等，可满足不同的处理需求。
📚 详细文档
模型信息
| 属性 | 详情 |
|---|---|
| 模型名称 | fr_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 | 500000 个键，500000 个唯一向量（300 维） |
| 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) Explosion fastText Vectors (cbow, OSCAR Common Crawl + Wikipedia) (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 |
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 |
🔧 技术细节
评估指标
| 任务 | 指标 | 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 |
📄 许可证
本模型采用 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