模型介绍
内容详情
替代品
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
标签:
- spacy
- 词符分类
语言:
- 法语
许可证:lgpl-lr
模型索引:
- 名称:fr_core_news_lg
结果:
- 任务:
名称:命名实体识别
类型:词符分类
指标:
- 名称:NER精确率 类型:精确率 值:0.8398572946
- 名称:NER召回率 类型:召回率 值:0.83869741
- 名称:NER F值 类型:f_score 值:0.8392769516
- 任务:
名称:词性标注
类型:词符分类
指标:
- 名称:词性标注(XPOS)准确率 类型:准确率 值:0.9446562919
- 任务:
名称:词性标注(UPOS)
类型:词符分类
指标:
- 名称:词性标注(UPOS)准确率 类型:准确率 值:0.9734102855
- 任务:
名称:形态分析
类型:词符分类
指标:
- 名称:形态特征(UFeats)准确率 类型:准确率 值:0.9674260386
- 任务:
名称:词形还原
类型:词符分类
指标:
- 名称:词形还原准确率 类型:准确率 值:0.9135840526
- 任务:
名称:无标记依存关系
类型:词符分类
指标:
- 名称:无标记依存准确率(UAS) 类型:f_score 值:0.9028935185
- 任务:
名称:有标记依存关系
类型:词符分类
指标:
- 名称:有标记依存准确率(LAS) 类型:f_score 值:0.8654090962
- 任务:
名称:句子分割
类型:词符分类
指标:
- 名称:句子分割F值 类型:f_score 值:0.8735083532
- 任务:
名称:命名实体识别
类型:词符分类
指标:
详情:https://spacy.io/models/fr#fr_core_news_lg
专为CPU优化的法语处理流程。组件包括:tok2vec、morphologizer、parser、senter、ner、attribute_ruler、lemmatizer。
特性 | 描述 |
---|---|
名称 | fr_core_news_lg |
版本 | 3.7.0 |
spaCy | >=3.7.0,<3.8.0 |
默认流程 | 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) |
数据来源 | UD法语Sequoia v2.8 (Candito, Marie; Seddah, Djamé; Perrier, Guy; Guillaume, Bruno) WikiNER (Joel Nothman, Nicky Ringland, Will Radford, Tara Murphy, James R Curran) spaCy查找数据 (Explosion) Explosion fastText向量(cbow, OSCAR Common Crawl + Wikipedia) (Explosion) |
许可证 | LGPL-LR |
作者 | Explosion |
标签体系
查看标签体系(3个组件的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 |
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
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文