#nlp Dépôts
494 dépôts au total
Collection de ressources ouvertes pour le NLP médical chinois : Ensembles de termes/Corpus/Vecteurs de mots/Modèles pré-entraînés/Graphes de connaissances/Reconnaissance d'entités nommées/QA/Extraction d'informations/Modèles/Articles/etc
news-please - Un crawler web intégré et un extracteur d'informations pour les actualités qui fonctionne simplement
Tutoriels Jupyter Notebook pour résoudre des problèmes du monde réel avec Machine Learning & Deep Learning en utilisant PyTorch. Sujets : Détection de visages avec Detectron 2, Détection d'anomalies dans les séries temporelles avec LSTM Autoencoders, Détection d'objets avec YOLO v5, Construisez votre premier Neural Network, Prévision de séries temporelles pour les cas quotidiens de Coronavirus, Analyse de sentiments avec BER
API de style OpenAI pour les grands modèles de langage ouverts, utilisant les LLM tout comme chatgpt ! Prise en charge de LLaMA, LLaMA-2, BLOOM, Falcon, Baichuan, Qwen, Xverse, SqlCoder, CodeLLaMA, ChatGLM, ChatGLM2, ChatGLM3 etc. Interface backend unifiée pour les grands modèles de langage open source
Gestion de toutes les données non structurées, telles que la recherche inversée d'images, la recherche audio, la recherche moléculaire, l'analyse vidéo, les systèmes de questions-réponses, NLP, etc.
📚 Des milliers d'interprétations d'articles de conférences de premier plan en IA, LLM, NLP, CV, chaque lecture des idées centrales en 5 minutes.
🧠 Une liste organisée de ressources impressionnantes sur ChatGPT, y compris des bibliothèques, des SDK, des API et plus encore. 🌟 Veuillez envisager de soutenir ce projet en lui donnant une étoile.
Meridian filtre le bruit de l'actualité en analysant des centaines de sources, en analysant les histoires avec l'IA et en fournissant des briefings quotidiens concis et personnalisés.
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.
Une bibliothèque RL modulaire pour affiner les modèles linguistiques aux préférences humaines
ELECTRA : Pré-entraîner les encodeurs de texte comme discriminateurs plutôt que comme générateurs
Grands Modèles Conceptuels : Modélisation du langage dans un espace de représentation de phrases
Aide organisationnelle pour vos piles de documents, provenant de scanners, d'e-mails et d'autres sources avec un minimum d'effort.
De belles visualisations de la manière dont la langue diffère entre les types de documents.
Un benchmark hétérogène pour la recherche d'informations. Facile à utiliser, évaluez vos modèles sur plus de 15 jeux de données IR diversifiés.
Notes détaillées sur le nouveau livre 'Introduction au Traitement du Langage Naturel' de l'auteur de HanLP ! Un ouvrage de référence dans l'industrie, le livre ne présente pas une liste aride et ennuyeuse de formules, mais explique plutôt des modèles algorithmiques faciles à comprendre dans un langage simple. Partant des concepts de base, il introduit progressivement les principes algorithmiques et les implémentations techniques de problèmes populaires tels que la segmentation de mots chinois, l'étiquetage de parties du discours, la reconnaissance d'entités nommées, l'extraction d'informations, le regroupement de texte, la classification de texte et l'analyse syntaxique.
Reconnaissance d'entités nommées en chinois avec IDCNN/biLSTM+CRF, et extraction de relations avec biGRU+2ATT Reconnaissance d'entités chinoises et extraction de relations
Réseaux de Neurones Profonds Multi-Tâches pour la Compréhension du Langage Naturel
[Liste d'articles] Articles intégrant des graphes de connaissances (KG) et de grands modèles linguistiques (LLM)
Implémentation en Python des algorithmes TextRank ("textgraphs") pour l'extraction de phrases
Une liste de lecture sur la sécurité, la sûreté et la confidentialité des grands modèles (y compris Awesome LLM Security, Safety, etc.).
Extrayez des données structurées et des insights de documents à l’aide de grands modèles de langage et de modèles de décision
Une boîte à outils sur site, sans OCR, pour l'extraction de données non structurées, la conversion en markdown et le benchmarking. (https://idp-leaderboard.org/)
Il s’agit d’un Agent Skill pour rédiger et corriger le japonais professionnel afin de le rendre facile à lire et à comprendre.
Expliquez, analysez et visualisez des modèles linguistiques NLP. Ecco crée des visualisations interactives directement dans les notebooks Jupyter expliquant le comportement des modèles linguistiques basés sur Transformer (tels que GPT2, BERT, RoBERTa, T5 et T0).
Collection d'encodeurs-décodeurs d'ALIbaba du laboratoire MinD (Machine Intelligence of Damo)
Une référence complète pour tous les sujets liés au traitement du langage naturel
🤖 Une bibliothèque JavaScript puissante et légère + CLI interactive pour ChatGPT
Une collection pilotée par la communauté de frameworks, projets et ressources RAG (Retrieval-Augmented Generation). Contribuez et explorez l'écosystème RAG en évolution.
Un évaluateur automatique pour les modèles de langage qui suivent les instructions. Validé par l'homme, de haute qualité, peu coûteux et rapide.
Un pipeline spaCy complet et des modèles pour les documents scientifiques/biomédicaux.
Approaching (Almost) Any Machine Learning Problem traduction chinoise, adresse de la documentation en ligne : https://ytzfhqs.github.io/AAAMLP-CN/
Projet chinois Llama-3 LLMs phase 3 (Chinese Llama-3 LLMs) développé à partir de Meta Llama 3
3 516 Figure 1 / teasers sélectionnés d’ICLR, ICML, NeurIPS, CVPR, ACL et AAAI (2023–2026), avec badges de niveau et ébauche de figures augmentée par récupération avec FigureForge
💫 Modèles pour la bibliothèque de traitement du langage naturel (NLP) spaCy
Une liste sélectionnée de ressources d'apprentissage, bases de données, outils et autres ressources liées au Knowledge Graph
Package d'augmentation de données chinois en un clic ; Augmentation de données NLP, augmentation de données bert, EDA : pip install nlpcda
Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go