#entity-extraction Dépôts
Découvrez 9 dépôts GitHub open source actifs associés à #entity-extraction, cumulant 27,201 étoiles au total (soit une moyenne de 3,022 étoiles par projet). Le projet en tête de ce thème est deeppavlov/DeepPavlov, avec 6,994 étoiles.
9 dépôts au total
Une bibliothèque open source pour les systèmes de dialogue end-to-end en apprentissage profond et les chatbots.
Une bibliothèque NLP pour construire des bots, avec extraction d'entités, analyse de sentiments, identification automatique de la langue et bien plus
Langage, moteur et outils pour exprimer, tester et évaluer des règles de langage composables sur des chaînes d'entrée.
Microsoft.Recognizers.Text fournit la reconnaissance et la résolution de nombres, d'unités, de date/heure, etc. dans plusieurs langues (ZH, EN, FR, ES, PT, DE, IT, TR, HI, NL. Support partiel pour JA, KO, AR, SV). Packages disponibles sur : https://www.nuget.org/profiles/Recognizers.Text, https://www.npmjs.com/~recognizers.text
Une collection de corpus pour la reconnaissance d'entités nommées (NER) et les tâches de reconnaissance d'entités. Ces ensembles de données annotés couvrent une variété de langues, domaines et types d'entités.
Dans ce projet, j'ai exploré comment extraire des graphes de connaissances à partir de textes à l'aide de LLM, tels qu'OpenAI GPT4o.
GraphRAG-rs est une implémentation Rust haute performance et de pointe de GraphRAG (Génération Augmentée par Récupération Basée sur des Graphes) qui construit des graphes de connaissances à partir de documents et permet des requêtes en langage naturel avec extraction d'entités configurable et intégration locale de LLM
Plateforme d’intelligence documentaire basée sur l’IA, privilégiant le stockage local, pour le journalisme d’investigation
Foire aux questions
Quel est le dépôt #entity-extraction le plus populaire sur GitHub ?
Le projet #entity-extraction open source le mieux classé sur GitHub est deeppavlov/DeepPavlov, avec 6,994 étoiles. Une bibliothèque open source pour les systèmes de dialogue end-to-end en apprentissage profond et les chatbots.
Quels langages de programmation sont les plus utilisés dans les dépôts #entity-extraction ?
Parmi les projets #entity-extraction les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, Haskell, Scala.
Comment le classement des dépôts #entity-extraction est-il calculé ?
Nous suivons 9 dépôts open source actifs associés à #entity-extraction (500+ étoiles), totalisant 27,201 étoiles, avec une moyenne de 3,022 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.