#entity-recognition Dépôts
Découvrez 3 dépôts GitHub open source actifs associés à #entity-recognition, cumulant 7,673 étoiles au total (soit une moyenne de 2,557 étoiles par projet). Le projet en tête de ce thème est km1994/nlp_paper_study, avec 4,035 étoiles.
3 dépôts au total
Ce dépôt contient principalement des notes de lecture d’articles de conférences de premier plan liés à l’ingénierie des algorithmes de TAL.
Collaborez et étiquetez tout type de données, d'images, de textes ou de documents, dans une interface Web simple ou une application de bureau.
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.
Foire aux questions
Quel est le dépôt #entity-recognition le plus populaire sur GitHub ?
Le projet #entity-recognition open source le mieux classé sur GitHub est km1994/nlp_paper_study, avec 4,035 étoiles. Ce dépôt contient principalement des notes de lecture d’articles de conférences de premier plan liés à l’ingénierie des algorithmes de TAL.
Quels langages de programmation sont les plus utilisés dans les dépôts #entity-recognition ?
Parmi les projets #entity-recognition les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, JavaScript, Python.
Comment le classement des dépôts #entity-recognition est-il calculé ?
Nous suivons 3 dépôts open source actifs associés à #entity-recognition (500+ étoiles), totalisant 7,673 étoiles, avec une moyenne de 2,557 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.