#information-extraction Repositorios
Descubre 42 repositorios activos de código abierto de GitHub etiquetados con #information-extraction, que acumulan 83,368 estrellas en total (una media de 1,984 estrellas por proyecto). El líder de este tema es PaddlePaddle/PaddleNLP, con 13,000 estrellas.
42 repositorios en total
Biblioteca LLM y SLM potente y fácil de usar con un increíble zoológico de modelos.
Un tutorial e implementación de un grafo de conocimiento médico centrado en enfermedades y un sistema de QA basado en él. Construcción de grafo de conocimiento, preguntas y respuestas automáticas, preguntas y respuestas automáticas basadas en KG. Un grafo de conocimiento en el campo médico de cierta escala centrado en enfermedades, y completar servicios de preguntas y respuestas automáticas y análisis con este grafo de conocimiento.
[EMNLP 2022] Un kit de herramientas abierto para la extracción y construcción de grafos de conocimiento
Modelo Generalista y Ligero para Reconocimiento de Entidades Nombradas (Extraer cualquier tipo de entidad de textos)
El hipergrafo es más potente. Transforme texto no estructurado en conocimiento estructurado con LLMs. Grafos, hipergrafos y extracciones espacio-temporales — con un solo comando.
[NeurIPS'24] HippoRAG es un novedoso framework RAG inspirado en la memoria a largo plazo humana que permite a los LLM integrar continuamente conocimiento a través de documentos externos. RAG + Grafos de Conocimiento + Personalized PageRank.
Red neuronal profunda para extraer información inteligente de documentos de factura.
C-OCR es un proyecto OCR desarrollado por Ctrip, que incluye principalmente el reconocimiento de documentos y materiales relacionados con los viajes, como tarjetas de identidad, pasaportes, billetes de tren, visados, etc. El proyecto consta de 4 partes: rechazo, detección, reconocimiento y postprocesamiento.
Reconocimiento de Entidades Nombradas en Chino con IDCNN/biLSTM+CRF, y Extracción de Relaciones con biGRU+2ATT Reconocimiento de entidades en chino y extracción de relaciones
[CVPR 2025] Un benchmark completo para análisis y evaluación de documentos
Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión
HunyuanOCR-1.5: Haciendo que los VLM de OCR ligeros sean más rápidos y mejores
Una herramienta pasiva de detección de fugas de información basada en complementos de Chrome y Firefox
Este repositorio proporciona el código del lado del servidor para que la API de llmsherpa se conecte. Incluye analizadores para varios formatos de archivo.
TableBank: Un conjunto de datos de referencia para la detección y reconocimiento de tablas
Impresionantes artículos sobre extracción de información generativa (IE) utilizando grandes modelos de lenguaje (LLM)
Tosint es una herramienta OSINT de Telegram que extrae inteligencia accionable de los tokens de bots e ID de chat para investigaciones de seguridad.
Un kit de herramientas para aplicar LLM a datos sensibles y no públicos en entornos sin conexión o restringidos
Genere una revisión completa de un artículo de arXiv y luego conviértala en una publicación de blog. Este proyecto impulsa el sitio web a continuación para los Artículos Diarios de HuggingFace (https://huggingface.co/papers).
La versión en línea no está disponible temporalmente porque no podemos permitirnos la clave. Puedes clonarla y ejecutarla localmente. Nota: hemos establecido la clave predeterminada de openai. Si las claves exceden el plan y no son válidas, por favor infórmanos. La velocidad de respuesta depende de openai. (a veces, la oficial está demasiado concurrida y es lenta)
Uscrapper Vanta: Sumérgete más profundamente en la web con esta potente herramienta de código abierto. Extrae información valiosa con facilidad y eficiencia, tanto de fuentes de la web de superficie como de la web profunda. Potencia tu minería y análisis de datos con las capacidades avanzadas de Vanta. Rápida, confiable y fácil de usar, Uscrapper Vanta es la opción definitiva para investigadores y analistas.
Dado un PDF académico, extrae figuras, tablas, subtítulos y títulos de sección.
Science Parse analiza artículos científicos (en formato PDF) y los devuelve en forma estructurada.
DocBank: Un conjunto de datos de referencia para el análisis del diseño de documentos
Verificación de fundamentación a nivel de intervalo para salidas de IA basadas en RAG, código y herramientas.
Sistema basado en spans para la extracción de entidades nombradas, relaciones y eventos.
Herramienta de generación de notas XMind para artículos de investigación, convierte PDF de artículos de investigación a través de ChatGPT en breves notas XMind con imágenes y fórmulas, mejorando la eficiencia de lectura de los artículos de investigación.
Una lista de recursos de NLP enfocados en la tarea de extracción de eventos
Pipeline de Procesamiento de Lenguaje Natural - División de Oraciones, Tokenización, Lemmatización, Etiquetado de Partes del Discurso y Análisis de Dependencias
RomBuster es una herramienta de explotación de routers que permite la divulgación de la contraseña de administrador del router de red.
Los gráficos de conocimiento se encuentran con el aprendizaje multimodal: una encuesta exhaustiva
Preguntas frecuentes
¿Cuál es el repositorio de #information-extraction más popular en GitHub?
El proyecto de código abierto de #information-extraction mejor posicionado en GitHub es PaddlePaddle/PaddleNLP, con 13,000 estrellas. Biblioteca LLM y SLM potente y fácil de usar con un increíble zoológico de modelos.
¿Qué lenguajes de programación se utilizan más en los repositorios de #information-extraction?
Entre los proyectos de #information-extraction mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Java, HTML.
¿Cómo se calcula la clasificación de los repositorios de #information-extraction?
Seguimos 42 repositorios activos de código abierto etiquetados con #information-extraction (500+ estrellas), que suman un total de 83,368 estrellas, con una media de 1,984 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.