针对CPU优化的西班牙语自然语言处理流程，包含标记化、词性标注、依存分析、命名实体识别等功能。
下载量 148
发布时间 : 3/2/2022
模型介绍
内容详情
替代品
模型简介
spaCy提供的西班牙语小型模型，适用于基础NLP任务处理，包括词性标注、依存分析、命名实体识别等。
模型特点
CPU优化
专门针对CPU处理进行优化，适合资源有限的环境
多任务处理
单一流程同时处理词性标注、依存分析、命名实体识别等多种NLP任务
高准确率
在词性标注(UPOS)上达到98.15%的准确率，命名实体识别F值达89.14%
模型能力
词性标注
命名实体识别
依存分析
词形还原
形态分析
句子分割
使用案例
文本处理
西班牙语文档分析
自动分析西班牙语文档的词性、句法结构和命名实体
可识别文档中的人名、地名、组织机构等实体
语言学习应用
为西班牙语学习者提供语法分析和词性标注
帮助学习者理解句子结构和单词用法
信息提取
新闻内容分析
从西班牙语新闻中提取关键实体和关系
可用于构建知识图谱或内容分类
标签:
- spacy
- 标记分类 语言:
- 西班牙语 许可证: GPL-3.0 模型索引:
- 名称: es_core_news_sm
结果:
- 任务:
名称: 命名实体识别
类型: 标记分类
指标:
- 名称: NER精确率 类型: 精确率 值: 0.8910285087
- 名称: NER召回率 类型: 召回率 值: 0.8918264338
- 名称: NER F值 类型: F值 值: 0.8914272927
- 任务:
名称: 词性标注
类型: 标记分类
指标:
- 名称: 词性标注(XPOS)准确率 类型: 准确率 值: 0.9581496108
- 任务:
名称: 词性标注
类型: 标记分类
指标:
- 名称: 词性标注(UPOS)准确率 类型: 准确率 值: 0.9815191135
- 任务:
名称: 形态分析
类型: 标记分类
指标:
- 名称: 形态特征(UFeats)准确率 类型: 准确率 值: 0.9771762157
- 任务:
名称: 词形还原
类型: 标记分类
指标:
- 名称: 词形还原准确率 类型: 准确率 值: 0.9629594135
- 任务:
名称: 无标记依存关系
类型: 标记分类
指标:
- 名称: 无标记依存准确率(UAS) 类型: F值 值: 0.9037516481
- 任务:
名称: 有标记依存关系
类型: 标记分类
指标:
- 名称: 有标记依存准确率(LAS) 类型: F值 值: 0.8684594765
- 任务:
名称: 句子分割
类型: 标记分类
指标:
- 名称: 句子F值 类型: F值 值: 0.972165913
- 任务:
名称: 命名实体识别
类型: 标记分类
指标:
详情: https://spacy.io/models/es#es_core_news_sm
针对CPU优化的西班牙语处理流程。组件包括: tok2vec, morphologizer, parser, senter, ner, attribute_ruler, lemmatizer。
| 特性 | 描述 |
|---|---|
| 名称 | es_core_news_sm |
| 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 | 0键, 0独特向量(0维度) |
| 来源 | UD西班牙语AnCora v2.8 (Martínez Alonso, Héctor; Zeman, Daniel) WikiNER (Joel Nothman, Nicky Ringland, Will Radford, Tara Murphy, James R Curran) spaCy查找数据 (Explosion) |
| 许可证 | GNU GPL 3.0 |
| 作者 | Explosion |
标签体系
查看标签体系(3个组件的468个标签)
| 组件 | 标签 |
|---|---|
morphologizer |
Definite=Def|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Gender=Masc|Number=Sing|POS=NOUN, Definite=Def|Gender=Masc|Number=Sing|POS=ADP|PronType=Art, Gender=Masc|Number=Sing|POS=ADJ, POS=ADP, Definite=Def|Gender=Fem|Number=Plur|POS=DET|PronType=Art, POS=PROPN, Case=Acc|POS=PRON|Person=3|PrepCase=Npr|PronType=Prs|Reflex=Yes, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Past|VerbForm=Fin, POS=VERB|VerbForm=Inf, Gender=Fem|Number=Sing|POS=DET|PronType=Dem, Gender=Fem|Number=Sing|POS=NOUN, Gender=Fem|Number=Plur|POS=NOUN, Gender=Fem|Number=Plur|POS=DET|PronType=Ind, POS=PRON|PronType=Int,Rel, Mood=Sub|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Definite=Def|Gender=Fem|Number=Sing|POS=DET|PronType=Art, POS=SCONJ, POS=NOUN, Definite=Def|Gender=Masc|Number=Plur|POS=DET|PronType=Art, Number=Plur|POS=NOUN, Gender=Masc|Number=Plur|POS=DET|PronType=Ind, Gender=Masc|Number=Plur|POS=NOUN, POS=PUNCT|PunctType=Peri, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, POS=PUNCT|PunctType=Comm, Case=Acc|Gender=Fem|Number=Sing|POS=VERB|Person=3|PrepCase=Npr|PronType=Prs|VerbForm=Inf, Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Gender=Masc|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part, Number=Plur|POS=ADJ, POS=CCONJ, Gender=Masc|Number=Plur|POS=PRON|PronType=Ind, POS=ADV, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Fut|VerbForm=Fin, Gender=Masc|NumType=Card|Number=Plur|POS=DET|PronType=Dem, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Pres|VerbForm=Fin, Number=Sing|POS=ADJ, Gender=Masc|Number=Plur|POS=ADJ|VerbForm=Part, Gender=Masc|Number=Plur|POS=PRON|PronType=Tot, POS=PRON|PronType=Ind, POS=ADV|Polarity=Neg, Case=Acc|Gender=Masc|Number=Sing|POS=PRON|Person=3|PrepCase=Npr|PronType=Prs, Gender=Fem|Number=Sing|POS=ADJ, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Past|VerbForm=Fin, Number=Plur|POS=PRON|PronType=Int,Rel, POS=PUNCT|PunctType=Quot, POS=PUNCT, Gender=Masc|Number=Sing|POS=ADJ|VerbForm=Part, POS=PUNCT|PunctSide=Ini|PunctType=Brck, POS=PUNCT|PunctSide=Fin|PunctType=Brck, NumForm=Digit|NumType=Card|POS=NUM, NumType=Card|POS=NUM, POS=VERB|VerbForm=Ger, Definite=Ind|Gender=Masc|Number=Sing|POS=DET|PronType=Art, Gender=Masc|Number=Sing|POS=DET|PronType=Dem, Gender=Fem|NumType=Ord|Number=Plur|POS=ADJ, Number=Sing|POS=DET|Person=3|Poss=Yes|PronType=Prs, Number=Sing|POS=NOUN, Gender=Masc|Number=Plur|POS=ADJ, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Fut|VerbForm=Fin, Gender=Fem|Number=Sing|POS=ADJ|VerbForm=Part, Mood=Ind|Number=Plur|POS=VERB|Person=3|Tense=Pres|VerbForm=Fin, Degree=Cmp|POS=ADV, POS=AUX|VerbForm=Inf, Number=Plur|POS=DET|PronType=Ind, Number=Plur|POS=DET|PronType=Dem, POS=PRON|Person=3|PrepCase=Npr|PronType=Prs|Reflex=Yes, Degree=Cmp|Number=Sing|POS=ADJ, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Fut|VerbForm=Fin, Case=Acc|POS=VERB|Person=3|PrepCase=Npr|PronType=Prs|Reflex=Yes|VerbForm=Inf, Degree=Sup|Gender=Masc|Number=Plur|POS=ADJ, Definite=Ind|Gender=Fem|Number=Sing|POS=DET|PronType=Art, AdvType=Tim|POS=NOUN, Gender=Masc|Number=Sing|POS=PRON|PronType=Ind, NumType=Card|Number=Plur|POS=NUM, Case=Acc|Gender=Masc|Number=Sing|POS=VERB|Person=3|PrepCase=Npr|PronType=Prs|VerbForm=Inf, NumForm=Digit|POS=NOUN, Number=Sing|POS=PRON|PronType=Dem, Number=Plur|POS=DET|Person=3|Poss=Yes|PronType=Prs, Gender=Fem|Number=Plur|POS=ADJ, Gender=Fem|Number=Plur|POS=PRON|PronType=Ind, Gender=Masc|Number=Plur|POS=DET|PronType=Tot, Mood=Ind|Number=Sing|POS=VERB|Person=3|Tense=Imp|VerbForm=Fin, Mood=Ind|Number=Plur|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Gender=Masc|Number=Plur|POS=VERB|Tense=Past|VerbForm=Part, Gender=Masc|NumType=Ord|Number=Sing|POS=ADJ, Gender=Masc|NumType=Ord|Number=Plur|POS=ADJ, Gender=Masc|Number=Plur|POS=DET|PronType=Dem, Gender=Masc|Number=Sing|POS=AUX|Tense=Past|VerbForm=Part, Number=Sing|POS=DET|PronType=Tot, Gender=Fem|Number=Sing|POS=PRON|PronType=Ind, Case=Dat|POS=PRON|Person=3|PrepCase=Npr|PronType=Prs|Reflex=Yes, Mood=Ind|Number=Sing|POS=AUX|Person=1|Tense=Pres|VerbForm=Fin, Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Pres|VerbForm=Fin, Degree=Cmp|Number=Plur|POS=ADJ, POS=AUX|VerbForm=Ger, Gender=Fem|POS=NOUN, Gender=Fem|NumType=Ord|Number=Sing|POS=ADJ, AdvType=Tim|POS=ADJ, Mood=Ind|Number=Sing|POS=AUX|Person=3|Tense=Past|VerbForm=Fin, Gender=Fem|Number=Sing|POS=VERB|Tense=Past|VerbForm=Part, Case=Acc|Gender=Fem|Number=Sing|POS=PRON|Person=3|PrepCase=Npr|PronType=Prs, Mood=Ind|Number=Sing|POS=VERB|Person=1|Tense=Imp|VerbForm=Fin, Gender=Fem|Number=Plur|POS=ADJ|VerbForm=Part, Gender=Fem|Number=Plur|POS=DET|PronType=Dem, `Gender=Masc|Number=Sing|POS=PRON|Poss=Yes|PronType=Int,Rel |
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
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
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
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
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
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
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
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
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
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
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
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
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