#ner Dépôts
Découvrez 24 dépôts GitHub open source actifs associés à #ner, cumulant 42,586 étoiles au total (soit une moyenne de 1,774 étoiles par projet). Le projet en tête de ce thème est maziyarpanahi/openmed, avec 5,832 étoiles.
24 dépôts au total
IA de santé privilégiant le traitement local : reconnaissance d’entités cliniques (NER) et désidentification des informations personnelles (PII) conforme à HIPAA, sur le matériel que vous contrôlez. Plus de 2 200 modèles médicaux, prise en charge de la PII par des modèles dans 35 langues, et environnements d’exécution Python, MLX, Android et navigateur. SDK sous licence Apache-2.0.
[EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances
Corpus de noms chinois. Générateur de noms. Noms chinois, noms de famille, prénoms, titres, noms japonais, noms traduits, noms anglais. Peut être utilisé pour la segmentation de mots en chinois et la reconnaissance d'entités nommées.
Framework de Modèles de Pré-entraînement Open Source en PyTorch & Zoo de Modèles Pré-entraînés
Pipelines NLP natifs Rust prêts à l'emploi et modèles basés sur des transformers (BERT, DistilBERT, GPT2, ...)
Kashgari est un framework d'apprentissage par transfert NLP de niveau production construit sur tf.keras pour l'étiquetage de texte et la classification de texte, inclut Word2Vec, BERT et GPT2 Language Embedding.
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
Veille, recherche et application des technologies de pointe telles que le traitement automatique du langage naturel, les graphes de connaissances, les grands modèles de langage et les agents.
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.
Résout les tâches NLP russes de base, API pour les projets Natasha de niveau inférieur
Corpus de noms d'entreprises. Corpus de noms d'institutions. Abréviations d'entreprises, acronymes, mots de marque, noms d'entreprises. Peut être utilisé pour la segmentation de mots en chinois et la reconnaissance d'entités de noms d'institutions.
Framework de pré-entraînement Tencent en PyTorch et zoo de modèles pré-entraînés
👑 Blocs de construction et visualiseurs spaCy pour les applications Streamlit
La version en ligne est temporairement indisponible car nous n'avons pas les moyens de payer la clé. Vous pouvez la cloner et l'exécuter localement. Remarque : nous avons défini la clé openai par défaut. Si les clés dépassent le forfait et sont invalides, veuillez nous le faire savoir. La vitesse de réponse dépend d'openai. (parfois, l'officiel est trop fréquenté et lent)
PhoBERT : modèles de langue pré-entraînés pour le vietnamien (EMNLP-2020 Findings)
Reconnaissance d'entités nommées en chinois. Comprend les articles les plus récents sur la reconnaissance d'entités nommées en chinois, les outils connexes pour la reconnaissance d'entités chinoises, les ensembles de données, ainsi que les modèles pré-entraînés chinois, les vecteurs de mots, les aperçus de reconnaissance d'entités, etc.
BERTweet: Un modèle de langage pré-entraîné pour les Tweets en anglais (EMNLP-2020)
Outil d'annotation pour la reconnaissance d'entités nommées (NER) pour SpaCy. Génère des données d'entraînement au format JSON qui peuvent être utilisées immédiatement.
La « page d'état GitHub manquante » -- une tentative via Flat Data de documenter historiquement les états de GitHub
Outil de traitement du langage naturel pour la langue malaise, https://malaya.readthedocs.io/
Reconnaissant d'entités nommées coréen créé avec KoBERT et CRF (modèle de reconnaissance d'entités nommées basé sur BERT+CRF pour le coréen)
Foire aux questions
Quel est le dépôt #ner le plus populaire sur GitHub ?
Le projet #ner open source le mieux classé sur GitHub est maziyarpanahi/openmed, avec 5,832 étoiles. IA de santé privilégiant le traitement local : reconnaissance d’entités cliniques (NER) et désidentification des informations personnelles (PII) conforme à HIPAA, sur le matériel que vous contrôlez. Plus de 2 200 modèles médicaux, prise en charge de la PII par des modèles dans 35 langues, et environnements d’exécution Python, MLX, Android et navigateur. SDK sous licence Apache-2.0.
Quels langages de programmation sont les plus utilisés dans les dépôts #ner ?
Parmi les projets #ner les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, Jupyter Notebook, Rust.
Comment le classement des dépôts #ner est-il calculé ?
Nous suivons 24 dépôts open source actifs associés à #ner (500+ étoiles), totalisant 42,586 étoiles, avec une moyenne de 1,774 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.