Tr Core News Trf
模型简介
这是一个基于转换器的土耳其语自然语言处理模型,专为SpaCy框架设计,支持多种NLP任务,包括词性标注、形态分析、命名实体识别等。
模型特点
全面的NLP组件
包含转换器、标记器、形态分析器、词形还原器、解析器和命名实体识别器,覆盖多种NLP任务。
高性能
在NER任务上F值达到0.913,词性标注准确率达到0.917,表现出色。
基于转换器架构
使用dbmdz土耳其BERT模型(区分大小写)作为基础,具有强大的语言理解能力。
模型能力
词性标注
形态分析
词形还原
依存句法分析
命名实体识别
句子分割
使用案例
文本处理
土耳其语文本分析
对土耳其语文本进行全面的语言学分析,包括词性标注、形态分析等。
准确识别文本中的词性、形态特征和句法关系
信息提取
命名实体识别
从土耳其语文本中识别和分类命名实体,如人名、地名等。
NER F值达到0.913
🚀 tr_core_news_trf 土耳其语Transformer管道模型
这是一个用于TrSpaCy的土耳其语Transformer管道模型,包含了transformer、tagger、morphologizer、lemmatizer、parser、ner等组件,可用于词性标注、形态分析、命名实体识别等自然语言处理任务。
✨ 主要特性
- 支持多种自然语言处理任务,如命名实体识别(NER)、词性标注(TAG、POS)、形态分析(MORPH)、词形还原(LEMMA)、依存句法分析(UNLABELED_DEPENDENCIES、LABELED_DEPENDENCIES)和句子分割(SENTS)。
- 基于多个高质量的数据集进行训练,包括UD Turkish BOUN、Turkish Wiki NER dataset、PANX/WikiANN等。
- 使用dbmdz Turkish BERT model (cased)作为基础模型。
📚 详细文档
模型信息
属性 | 详情 |
---|---|
模型类型 | 土耳其语Transformer管道模型 |
版本 | 3.4.2 |
spaCy版本要求 | >=3.4.2,<3.5.0 |
默认管道 | transformer , tagger , morphologizer , trainable_lemmatizer , parser , ner |
组件 | transformer , tagger , morphologizer , trainable_lemmatizer , parser , ner |
词向量 | 0 个键,0 个唯一向量(0 维) |
训练数据来源 | UD Turkish BOUN (Türk, Utku; Atmaca, Furkan; Özateş, Şaziye Betül; Berk, Gözde; Bedir, Seyyit Talha; Köksal, Abdullatif; Öztürk Başaran, Balkız; Güngör, Tunga; Özgür, Arzucan) Turkish Wiki NER dataset (Duygu Altinok, Co-one Istanbul) PANX/WikiANN (Xiaoman Pan, Boliang Zhang, Jonathan May, Joel Nothman, Kevin Knight, Heng Ji) dbmdz Turkish BERT model (cased) (Bayerische Staatsbibliothek) |
许可证 | cc-by-sa-4.0 |
作者 | Duygu |
评估指标
任务 | 指标 | 值 |
---|---|---|
NER | NER Precision | 0.9135450185 |
NER | NER Recall | 0.9127138178 |
NER | NER F Score | 0.913129229 |
TAG | TAG (XPOS) Accuracy | 0.9174219957 |
POS | POS (UPOS) Accuracy | 0.9094402673 |
MORPH | Morph (UFeats) Accuracy | 0.9145220588 |
LEMMA | Lemma Accuracy | 0.8782380178 |
UNLABELED_DEPENDENCIES | Unlabeled Attachment Score (UAS) | 0.7988988989 |
LABELED_DEPENDENCIES | Labeled Attachment Score (LAS) | 0.7189673288 |
SENTS | Sentences F-Score | 0.8765432099 |
标签方案
查看标签方案(4个组件共1572个标签)
组件 | 标签 |
---|---|
tagger |
ADP , ADV , ANum , ANum_Adj , ANum_Ness , ANum_Noun , ANum_With , ANum_Zero , Abr , Abr_With , Adj , Adj_Ness , Adj_With , Adj_Without , Adj_Zero , Adv , Adverb , Adverb_Adverb , Adverb_Noun , Adverb_Zero , Conj , Conj_Conj , DET , Demons , Demons_Zero , Det , Det_Zero , Dup , Interj , NAdj , NAdj_Aux , NAdj_Ness , NAdj_Noun , NAdj_Rel , NAdj_Verb , NAdj_With , NAdj_Without , NAdj_Zero , NNum , NNum_Rel , NNum_Zero , NOUN , Neg , Ness , Noun , Noun_Ness , Noun_Noun , Noun_Rel , Noun_Since , Noun_Verb , Noun_With , Noun_With_Ness , Noun_With_Verb , Noun_With_Zero , Noun_Without , Noun_Zero , PCAbl , PCAbl_Rel , PCAcc , PCDat , PCDat_Zero , PCGen , PCIns , PCIns_Zero , PCNom , PCNom_Adj , PCNom_Noun , PCNom_Zero , PRON , PUNCT , Pers , Pers_Ness , Pers_Pers , Pers_Rel , Pers_Zero , Postp , Prop , Prop_Conj , Prop_Rel , Prop_Since , Prop_With , Prop_Zero , Punc , Punc_Noun_Ness , Punc_Noun_Rel , Quant , Quant_Zero , Ques , Ques_Zero , Reflex , Reflex_Zero , Rel , SYM , Since , Since_Since , Verb , Verb_Conj , Verb_Ness , Verb_Noun , Verb_Verb , Verb_With , Verb_Zero , With , Without , Without_Zero , Zero |
morphologizer |
NumType=Card|POS=NUM , Aspect=Perf|Case=Loc|Mood=Ind|Number=Plur,Sing|Number[psor]=Sing|POS=NOUN|Person=1,3|Person[psor]=3|Tense=Pres , POS=PUNCT , POS=ADV , POS=NOUN , Case=Nom|Number=Sing|POS=ADJ|Person=3 , POS=DET , Case=Loc|Number=Sing|POS=VERB|Person=1 , Case=Nom|Number=Sing|POS=PRON|Person=3|PronType=Prs , Case=Dat|Number=Sing|POS=VERB|Person=3 , POS=ADJ , Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part , Case=Gen|Number=Sing|POS=NOUN|Person=3 , POS=PRON , Case=Nom|Number=Sing|POS=NOUN|Person=3 , Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part , POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part , Case=Acc|Number=Plur|POS=NOUN|Person=3 , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Tense=Past , Case=Nom|Number=Sing|POS=PROPN|Person=3 , Case=Dat|Number=Sing|POS=PROPN|Person=3 , POS=VERB|Polarity=Pos , Case=Acc|Number=Sing|POS=VERB|Person=3|Polarity=Pos , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past , Aspect=Prog|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past , Case=Abl|Number=Sing|POS=ADJ|Person=3 , Case=Nom|Number=Plur|POS=NOUN|Person=3 , Case=Loc|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , POS=INTJ , Case=Abl|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Ins|Number=Sing|POS=PROPN|Person=3 , Case=Loc|Number=Sing|POS=PROPN|Person=3 , Case=Acc|Number=Sing|POS=NOUN|Person=3 , Aspect=Imp|POS=VERB|Polarity=Pos|Tense=Fut|VerbForm=Part , Case=Nom|Number=Sing|POS=PRON|Person=3 , POS=CCONJ , Case=Nom|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Nom|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|VerbForm=Conv|Voice=Cau , Case=Dat|Number=Sing|Number[psor]=Plur|POS=ADJ|Person=3|Person[psor]=1 , Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Gen|Number=Sing|POS=PROPN|Person=3 , Case=Abl|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Nom|Number=Sing|POS=ADP|Person=3 , Case=Dat|Number=Plur|POS=NOUN|Person=3 , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past|Voice=Pass , Case=Nom|POS=VERB|Polarity=Pos , Case=Nom|Number=Sing|POS=VERB|Person=3 , Case=Loc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Nom|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Voice=Cau , Case=Dat|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Acc|Number=Sing|POS=PROPN|Person=3 , Aspect=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Fut , POS=ADP , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past|Voice=Pass , Evident=Nfh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past , Case=Nom|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1 , Aspect=Perf|Number[psor]=Sing|POS=VERB|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part , Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part , Case=Acc|Number=Plur|POS=PRON|Person=3 , Aspect=Perf|Number[psor]=Sing|POS=VERB|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part|Voice=Cau , Case=Acc|Number=Plur|POS=VERB|Person=3 , Aspect=Perf|Case=Abl|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part , Mood=Opt|Number=Sing|POS=VERB|Person=1|Polarity=Pos , Case=Dat|Number=Sing|POS=NOUN|Person=3 , Aspect=Prog|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres , Case=Gen|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Dat|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Aspect=Prog|Evident=Fh|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Past , Case=Acc|Number=Sing|POS=PRON|Person=1 , Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Past , Case=Ins|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Gen|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1 , Case=Dat|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3 , Case=Gen|Number=Sing|POS=PRON|Person=3 , Case=Acc|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1 , Aspect=Hab|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Aspect=Hab|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Pres , Case=Loc|Number=Sing|POS=NOUN|Person=3 , Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Neg|Tense=Past|VerbForm=Part , Aspect=Hab|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past , Case=Gen|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1 , Aspect=Hab|Mood=Pot|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Acc|Number=Plur|POS=PRON|Person=1 , Case=Nom|Number=Sing|POS=NOUN|Person=3|Polarity=Pos , Case=Nom|Number=Sing|Number[psor]=Sing|POS=PRON|Person=3|Person[psor]=3 , Aspect=Hab|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|VerbForm=Conv , Aspect=Hab|Mood=Pot|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Cau , Case=Dat|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1 , Case=Abl|Number=Sing|POS=NOUN|Person=3 , Mood=Imp|POS=VERB|Polarity=Pos|VerbForm=Conv , Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Past , Case=Nom|Number=Plur|POS=PRON|Person=3 , Case=Nom|Number=Sing|Number[psor]=Sing|POS=NUM|Person=3|Person[psor]=3 , Case=Nom|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Neg|Tense=Past|Voice=Cau , Case=Nom|Number=Plur|POS=ADJ|Person=3 , Aspect=Hab|Mood=Cnd|Number=Plur|POS=VERB|Person=2|Polarity=Pos|Tense=Pres , Aspect=Hab|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Pres , Aspect=Hab|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Pres , Aspect=Hab|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Gen|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Case=Gen|Number=Plur|POS=NOUN|Person=3 , Case=Ins|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3|Polarity=Pos , Aspect=Imp|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Fut|VerbForm=Part , Case=Acc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Aspect=Imp|Number=Sing|POS=AUX|Person=3|Tense=Pres , Case=Loc|Number=Sing|POS=NUM|Person=3 , Aspect=Perf|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Past , Case=Loc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=2 , Case=Gen|Number=Plur|POS=PRON|Person=1 , Aspect=Perf|Number[psor]=Plur|POS=VERB|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part , Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Pres , Case=Nom|Number=Sing|POS=PRON|Person=1 , Case=Nom|Number=Sing|POS=NOUN|Person=1 , Mood=Cnd|Number=Sing|POS=AUX|Person=3|Polarity=Pos , Case=Acc|Number=Sing|POS=PRON|Person=3 , Aspect=Prog|Number=Plur|POS=VERB|Person=1|Polarity=Pos|Tense=Pres , Case=Ins|Number=Sing|POS=NOUN|Person=3 , POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part|Voice=Pass , Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part , Case=Nom|POS=VERB|Polarity=Pos|Voice=Cau , Aspect=Prog|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past , Case=Nom|Number=Sing|POS=ADJ|Person=3|Polarity=Pos , Case=Acc|Number=Sing|POS=VERB|Person=3 , Aspect=Perf|Case=Nom|Mood=Gen|Number=Sing|POS=NOUN|Person=3|Tense=Pres , Case=Abl|Number=Plur|POS=NOUN|Person=3 , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past , Aspect=Prog|Evident=Fh|Number=Plur|POS=VERB|Person=3|Polarity=Neg|Tense=Past , Mood=Imp|POS=VERB|Polarity=Pos|VerbForm=Conv|Voice=Cau , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past|Voice=Cau , Case=Nom|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=3 , Case=Loc|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3 , Case=Nom|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3 , POS=VERB|Polarity=Neg|Tense=Pres|VerbForm=Part , Case=Dat|Number=Plur|POS=PRON|Person=2 , Case=Abl|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Voice=Cau , Aspect=Imp|Number=Sing|POS=VERB|Person=1|Polarity=Neg|Tense=Fut , Case=Nom|Number=Plur|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3 , Case=Gen|Number=Plur|POS=ADJ|Person=3 , Case=Loc|Number=Plur|POS=VERB|Person=3|Polarity=Pos , Aspect=Perf|Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part|Voice=Pass , Aspect=Hab|Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|VerbForm=Conv|Voice=Pass , Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos , Case=Dat|Number=Sing|POS=ADJ|Person=3 , Case=Nom|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Voice=Pass , Aspect=Imp|Case=Nom|Mood=Pot|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Fut|VerbForm=Part|Voice=Pass , Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Cau , Aspect=Hab|Mood=Cnd|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Pres , Case=Dat|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=1 , Case=Equ|Number=Sing|POS=PRON|Person=1 , Case=Abl|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=3 , Case=Nom|Number=Sing|POS=VERB|Person=3|Polarity=Pos , Evident=Nfh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past|Voice=Pass , Case=Nom|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1 , Aspect=Perf|Case=Acc|Number=Sing|Number[psor]=Plur|POS=VERB|Person=3|Person[psor]=1|Polarity=Neg|Tense=Past|VerbForm=Part , Case=Dat|Number=Sing|POS=VERB|Person=3|Polarity=Pos , Case=Acc|Number=Sing|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3|Polarity=Pos , Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Voice=Pass , Case=Loc|POS=VERB|Polarity=Pos|Voice=Pass , Case=Abl|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3 , Case=Dat|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Voice=Pass , Case=Acc|Number=Sing|Number[psor]=Sing|POS=NUM|Person=3|Person[psor]=3 , Aspect=Perf|Mood=Des,Ind|Number=Plur,Sing|POS=VERB|Person=1,3|Polarity=Pos|Tense=Past , Aspect=Hab|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Abl|Number=Sing|POS=VERB|Person=3|Polarity=Pos , Aspect=Hab|Evident=Nfh|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Ins|Number=Plur|POS=NOUN|Person=3 , Case=Ins|POS=VERB|Polarity=Neg , Case=Nom|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=1 , Case=Loc|Number=Sing|Number[psor]=Sing|POS=ADJ|Person=3|Person[psor]=1 , Aspect=Imp|Case=Acc|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Fut|VerbForm=Part|Voice=Pass , Aspect=Perf|Case=Nom|Number=Plur|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part , Case=Gen|Number=Sing|POS=PRON|Person=1 , Mood=Imp|Number=Plur|POS=VERB|Person=2|Polarity=Pos , Case=Dat|Number=Plur|POS=PRON|Person=1 , Mood=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Voice=Pass , Case=Nom|Number=Plur|POS=VERB|Person=3|Polarity=Pos , Case=Nom|POS=VERB|Polarity=Pos|Voice=Pass , Case=Nom|Mood=Imp|Number=Sing|POS=ADJ|Person=2,3|Polarity=Pos , POS=VERB|Polarity=Neg|Tense=Pres|VerbForm=Part|Voice=Pass , Aspect=Hab|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Pass , Case=Nom|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=3|Polarity=Pos , Case=Dat|Number=Sing|POS=NUM|Person=3 , Aspect=Perf|Case=Acc|Number=Plur|Number[psor]=Plur|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos|Tense=Past|VerbForm=Part , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Past|Voice=Pass , Case=Nom|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|VerbForm=Part , Aspect=Perf|Mood=Ind|POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part|Voice=Cau , POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Part|Voice=Cau , Case=Ins|Number=Plur|Number[psor]=Sing|POS=NOUN|Person=3|Person[psor]=3 , Aspect=Perf|Number[psor]=Sing|POS=VERB|Person[psor]=1|Polarity=Pos|Tense=Past|VerbForm=Part , Case=Dat|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3 , Case=Nom|POS=NOUN|Polarity=Pos , Aspect=Prog|Number=Plur|POS=VERB|Person=3|Polarity=Pos|Tense=Pres , Case=Loc|Number=Plur|POS=NOUN|Person=3|Polarity=Pos , Aspect=Imp|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Fut|Voice=Pass , Case=Acc|Number=Plur|Number[psor]=Plur|POS=PRON|Person=3|Person[psor]=3 , Case=Loc|Number=Plur|POS=NOUN|Person=3 , Case=Loc|NumType=Card|Number=Sing|POS=NUM|Person=3 , Evident=Nfh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past|Voice=Pass , Aspect=Perf|Mood=Ind|Number=Sing|POS=VERB|Person=3|Polarity=Neg|Tense=Pres , Aspect=Perf|Evident=Fh|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past|Voice=Cau , Case=Ins|Number=Sing|POS=VERB|Person=1 , Aspect=Perf|Number[psor]=Plur|POS=VERB|Person[psor]=2|Polarity=Pos|Tense=Past|VerbForm=Part , Mood=Opt|Number=Plur|POS=VERB|Person=1|Polarity=Pos , Case=Acc|Number=Plur|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=3 , Case=Acc|Number=Sing|Number[psor]=Plur|POS=NOUN|Person=3|Person[psor]=3 , POS=VERB|Polarity=Pos|Voice=Pass , Aspect=Imp|Mood=Cnd|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Fut , Aspect=Prog|Evident=Fh|Number=Sing|POS=VERB|Person=1|Polarity=Pos|Tense=Past , Case=Nom|Number=Plur|POS=NOUN|Person=3|Polarity=Pos , Case=Nom|Number=Plur|POS=PRON|Person=1 , Case=Nom|Number=Plur|POS=VERB|Person=1 , Aspect=Perf|Case=Nom|Mood=Gen|Number=Sing|POS=ADJ|Person=3|Tense=Pres , Case=Nom|Number=Plur|POS=PROPN|Person=3 , Aspect=Prog|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Pres|Voice=Pass , Mood=Imp|POS=VERB|Polarity=Pos|VerbForm=Conv|Voice=Pass , Case=Dat|Number=Sing|Number[psor]=Sing|POS=VERB|Person=3|Person[psor]=3|Polarity=Pos , Mood=Nec|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Voice=Pass , Aspect=Perf|Case=Nom|Mood=Ind|POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Vnoun , Aspect=Perf|Mood=Ind|POS=VERB|Polarity=Pos|Tense=Pres|VerbForm=Conv , POS=AUX , Aspect=Perf|Evident=Nfh|Mood=Ind|Number=Sing|POS=VERB|Person=3|Polarity=Pos|Tense=Past , Case=Dat|Number=Sing|POS=PRON|Person=3 , Case=Nom|Numb |
📄 许可证
本模型使用 cc-by-sa-4.0
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

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

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
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

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

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

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
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

P
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

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

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

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