标签：

• spacy
• 标记分类

语言：

• lt

许可证：cc-by-sa-4.0

模型索引：

• 名称：lt_core_news_lg 结果：
  • 任务： 名称：NER 类型：标记分类 指标：
    • 名称：NER精确率 类型：精确率 值：0.7492163009
    • 名称：NER召回率 类型：召回率 值：0.8369184592
    • 名称：NER F值 类型：f_score 值：0.7906427221
  • 任务： 名称：TAG 类型：标记分类 指标：
    • 名称：TAG (XPOS) 准确率 类型：准确率 值：0.8803910542
  • 任务： 名称：POS 类型：标记分类 指标：
    • 名称：POS (UPOS) 准确率 类型：准确率 值：0.9519401306
  • 任务： 名称：MORPH 类型：标记分类 指标：
    • 名称：Morph (UFeats) 准确率 类型：准确率 值：0.8889081156
  • 任务： 名称：LEMMA 类型：标记分类 指标：
    • 名称：Lemma准确率 类型：准确率 值：0.8613069238
  • 任务： 名称：UNLABELED_DEPENDENCIES 类型：标记分类 指标：
    • 名称：未标记依存分数 (UAS) 类型：f_score 值：0.7444831591
  • 任务： 名称：LABELED_DEPENDENCIES 类型：标记分类 指标：
    • 名称：标记依存分数 (LAS) 类型：f_score 值：0.6760280843
  • 任务： 名称：SENTS 类型：标记分类 指标：
    • 名称：句子F值 类型：f_score 值：0.8437246964

详情：https://spacy.io/models/lt#lt_core_news_lg

针对CPU优化的立陶宛语处理流程。组件包括：tok2vec、morphologizer、tagger、parser、lemmatizer（可训练_lemmatizer）、senter、ner。

标签方案