#nlp Repositorios
494 repositorios en total
Recopilación de recursos abiertos para NLP médico en chino: Conjuntos de términos/Corpus/Vectores de palabras/Modelos preentrenados/Grafos de conocimiento/Reconocimiento de entidades nombradas/QA/Extracción de información/Modelos/Papeles/etc
news-please - Un rastreador web integrado y extractor de información para noticias que simplemente funciona
Tutoriales de Jupyter Notebook para resolver problemas del mundo real con Machine Learning & Deep Learning usando PyTorch. Temas: Detección de rostros con Detectron 2, Detección de anomalías en series temporales con LSTM Autoencoders, Detección de objetos con YOLO v5, Construye tu primera Neural Network, Pronóstico de series temporales para casos diarios de Coronavirus, Análisis de sentimientos con BER
API estilo OpenAI para modelos lingüísticos de gran tamaño abiertos, ¡usando LLM como chatgpt! Soporte para LLaMA, LLaMA-2, BLOOM, Falcon, Baichuan, Qwen, Xverse, SqlCoder, CodeLLaMA, ChatGLM, ChatGLM2, ChatGLM3, etc. Interfaz backend unificada para modelos de lenguaje grandes de código abierto
Manejo de todos los datos no estructurados, como búsqueda inversa de imágenes, búsqueda de audio, búsqueda molecular, análisis de video, sistemas de preguntas y respuestas, NLP, etc.
📚 Interpretaciones de miles de artículos de conferencias principales de IA, LLM, NLP, CV, cada uno lee las ideas centrales en 5 minutos.
🧠 Una lista seleccionada de increíbles recursos de ChatGPT, que incluyen bibliotecas, SDK, API y más. 🌟 Por favor, considere apoyar este proyecto dándole una estrella.
Meridian atraviesa el ruido de las noticias al extraer de cientos de fuentes, analizar historias con IA y entregar resúmenes diarios concisos y personalizados.
Kashgari es un marco de aprendizaje por transferencia NLP de nivel de producción construido sobre tf.keras para etiquetado de texto y clasificación de texto, incluye Word2Vec, BERT y GPT2 Language Embedding.
Una biblioteca RL modular para ajustar modelos de lenguaje a las preferencias humanas
ELECTRA: Preentrenamiento de codificadores de texto como discriminadores en lugar de generadores
Grandes Modelos Conceptuales: Modelado del lenguaje en un espacio de representación de oraciones
Asista en la organización de sus montones de documentos, provenientes de escáneres, correos electrónicos y otras fuentes con un mínimo esfuerzo.
Hermosas visualizaciones de cómo el lenguaje difiere entre los tipos de documentos.
Un benchmark heterogéneo para la recuperación de información. Fácil de usar, evalúe sus modelos en más de 15 conjuntos de datos de IR diversos.
¡Apuntes detallados del nuevo libro 'Introducción al Procesamiento del Lenguaje Natural' del autor de HanLP! Una obra de gran valor en la industria, el libro no es una enumeración árida y aburrida de fórmulas, sino que explica modelos algorítmicos fáciles de entender con un lenguaje sencillo. Partiendo de conceptos básicos, introduce gradualmente los principios algorítmicos y la implementación práctica de problemas populares como la segmentación de palabras en chino, el etiquetado de partes de la oración, el reconocimiento de entidades nombradas, la extracción de información, la agrupación de texto, la clasificación de texto y el análisis sintáctico.
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
Redes Neuronales Profundas Multi-Tarea para el Entendimiento del Lenguaje Natural
[Lista de artículos] Artículos que integran grafos de conocimiento (KGs) y modelos de lenguaje grandes (LLMs)
Implementación en Python de los algoritmos TextRank ("textgraphs") para la extracción de frases
Una lista de lectura sobre seguridad, protección y privacidad de modelos grandes (incluyendo Awesome LLM Security, Safety, etc.).
Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión
Un kit de herramientas local, sin OCR, para extracción de datos no estructurados, conversión a markdown y benchmarking. (https://idp-leaderboard.org/)
Es un Agent Skill para escribir y revisar japonés profesional de forma clara y fácil de leer y entender.
Explica, analiza y visualiza modelos de lenguaje NLP. Ecco crea visualizaciones interactivas directamente en cuadernos Jupyter que explican el comportamiento de los modelos de lenguaje basados en Transformer (como GPT2, BERT, RoBERTa, T5 y T0).
Colección de codificadores-decodificadores de ALIbaba del laboratorio MinD (Machine Intelligence of Damo)
Una referencia completa para todos los temas relacionados con el Procesamiento del Lenguaje Natural
Una colección impulsada por la comunidad de marcos, proyectos y recursos de RAG (Generación Aumentada por Recuperación). Contribuye y explora el ecosistema RAG en evolución.
Un evaluador automático para modelos de lenguaje que siguen instrucciones. Validado por humanos, de alta calidad, barato y rápido.
Una canalización y modelos spaCy completos para documentos científicos/biomédicos.
Approaching (Almost) Any Machine Learning Problem versión china, dirección de la documentación en línea: https://ytzfhqs.github.io/AAAMLP-CN/
Proyecto de la tercera fase de LLMs de Llama chino (Chinese Llama-3 LLMs) desarrollado a partir de Meta Llama 3
3.516 Figure 1 / teasers seleccionados de ICLR, ICML, NeurIPS, CVPR, ACL y AAAI (2023–2026), con insignias de nivel y redacción de figuras aumentada mediante recuperación de FigureForge
💫 Modelos para la biblioteca de Procesamiento del Lenguaje Natural (NLP) de spaCy
Una lista curada de materiales de aprendizaje, bases de datos, herramientas y otros recursos relacionados con Knowledge Graph
Paquete de aumento de datos en chino con un clic; Aumento de datos NLP, aumento de datos bert, EDA: pip install nlpcda
Biblioteca autónoma de Machine Learning y Procesamiento del Lenguaje Natural en Go