中文NLP模型有以下几种：

1. 词嵌入模型：如Word2Vec、GloVe等，可以将单词和词组表示为向量空间中的向量，用于词义消歧、文本分类、推荐系统等任务。
2. 语言模型：如Transformer、BERT等，基于深度学习技术，能够处理多种自然语言处理任务。它们具有强大的表示能力和泛化能力，适用于机器翻译、文本分类、情感分析等任务。
3. 命名实体识别模型：用于从文本中识别出具有特定意义的实体，如人名、地名、组织机构等。
4. 分词模型：用于将中文文本进行分词，通常采用基于规则或机器学习的方法，如最大匹配法、维特比算法等。
5. 句法分析模型：用于分析句子的结构和语法关系，如依存句法分析等。
6. 语义分析模型：用于理解句子的意义和语义关系，如概念命名、关系抽取等。
7. 对话生成模型：用于生成自然对话和交流的文本，如聊天机器人等。
8. 文本摘要生成模型：用于从大量文本中提取关键信息和总结概括，如新闻摘要、论文摘要等。
9. 机器翻译模型：用于将中文文本翻译成其他语言，如英语、日语等。

总之，中文NLP模型的种类也非常丰富，每种模型都有其特定的应用场景和优势。在具体应用中，需要根据任务需求选择合适的模型，并结合特征工程和调参技巧来提高模型的性能。同时，由于中文的独特性和复杂性，中文NLP模型的训练和处理也需要注意特定的方法和技巧。