umberto-commoncrawl-cased-v1
高性能意大利语预训练语言模型 支持全词遮蔽技术
该模型是一个意大利语预训练语言模型，基于OSCAR语料库训练，支持命名实体识别和词性标注等自然语言处理任务。模型采用全词遮蔽技术，在多个基准测试中准确率达到98%以上。开发者可通过Hugging Face平台快速部署和使用该模型。
UmBERTo项目简介
UmBERTo是一个基于Roberta的意大利语言模型,它采用了两种创新性的技术方案:SentencePiece分词和全词掩码(Whole Word Masking)。该项目由Musixmatch公司开发并在GitHub上开源发布。
训练数据集
该模型使用了OSCAR语料库中的意大利语子语料库作为训练数据。经过去重处理后的语料库包含:
- 70GB的纯文本数据
- 2.1亿个句子
- 110亿个单词 这些语料在句子层面进行了过滤和随机打乱,以便用于自然语言处理研究。
模型特点
UmBERTo-Commoncrawl-Cased模型具有以下特征:
- 采用SentencePiece分词器
- 使用全词掩码技术
- 词汇表大小为32K
- 训练步数达到12.5万步
- 支持大小写敏感
性能表现
模型在多个下游任务中展现出优秀的性能:
在命名实体识别(NER)任务中:
- ICAB-EvalITA07数据集上F1分数达到87.57%
- WikiNER-ITA数据集上F1分数达到92.53%
在词性标注(POS)任务中:
- UD_Italian-ISDT数据集上准确率达到98.98%
- UD_Italian-ParTUT数据集上准确率达到98.90%
实际应用
该模型可以轻松集成到各类NLP应用中,主要用途包括:
- 文本分类
- 命名实体识别
- 词性标注
- 掩码词预测
开发者可以通过Hugging Face Transformers库简单几行代码就能调用该模型,支持包括文本分类、序列标注、掩码预测等多种任务类型。模型特别适合处理意大利语相关的自然语言处理任务。
开发团队
该项目由Musixmatch公司的AI团队开发,核心开发者包括Loreto Parisi、Simone Francia和Paolo Magnani。Musixmatch是一家专注于音乐技术的公司,其AI团队在自然语言处理领域有丰富的研究和实践经验。
编辑推荐精选
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
Refly.AI
最适合小白的AI自动化工作流平台
无需编码，轻松生成可复用、可变现的AI自动化工作流
酷表ChatExcel
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学 习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
AIWritePaper论文写作
AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。
博思AIPPT
AI一键生成PPT，就用博思AIPPT！
博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号