中文NLP模型是用于中文自然语言处理的模型，通常使用机器学习、深度学习和自然语言处理等技术进行训练和预测。

常见的中文NLP模型包括但不限于以下几种：

1. 基于规则的模型：该模型基于事先定义好的规则和模式进行匹配和判断。例如，中文分词模型可以将句子划分为一个个单独的词，词性标注模型可以确定每个词的词性。
2. 基于统计学习的模型：该模型通过学习大量的样本数据，从中发现语言规律和模式。例如，命名实体识别模型可以识别文本中的人名、地名、机构名等特定类型的实体。
3. 基于深度学习的模型：该模型通过模拟人脑神经网络的工作方式，建立多层神经网络来处理自然语言。例如，卷积神经网络可以在中文NLP任务中取得较好的效果。
4. 基于BERT等预训练模型的模型：此类模型首先使用大量的语料库进行预训练，然后针对特定的NLP任务进行微调。例如，基于BERT的中文情感分析模型可以判断一句话的情感倾向是正面的还是负面的。

中文NLP模型的训练通常需要大量的中文文本数据，包括新闻、小说、百科、词典等各种类型的文本资源。同时，由于中文语言的复杂性，中文NLP模型的训练和优化需要专门的技术和算法支持。