#relation-extraction Dépôts
Découvrez 18 dépôts GitHub open source actifs associés à #relation-extraction, cumulant 36,480 étoiles au total (soit une moyenne de 2,026 étoiles par projet). Le projet en tête de ce thème est zjunlp/DeepKE, avec 4,486 étoiles.
18 dépôts au total
[EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances
Graphe de Connaissances Agricoles (AgriKG) : Recherche d'Information dans le Domaine Agricole, Reconnaissance d'Entités Nomées, Extraction de Relations, Réponse Intelligente aux Questions, Aide à la Décision
Ce dépôt contient principalement des notes de lecture d’articles de conférences de premier plan liés à l’ingénierie des algorithmes de TAL.
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
Annotateur pour Corpus de Texte Chinois (EN DÉVELOPPEMENT) Outil d'annotation de texte chinois
Articles impressionnants sur l'extraction d'informations génératives (IE) utilisant de grands modèles linguistiques (LLM)
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)
Une liste organisée d'excellents tutoriels, projets et communautés sur les graphes de connaissances.
ChainKnowledgeGraph, le graphe de connaissances de la chaîne industrielle comprend les sociétés cotées en bourse A, les industries et les produits, soit 3 types d'entités au total, incluant les relations d'appartenance sectorielle des sociétés cotées, les relations sectorielles supérieures, les relations de matières premières en amont des produits, les relations de produits en aval, les principaux produits des sociétés et les sous-catégories de produits, soit un total de 6 catégories principales. Sociétés cotées : 4 654, industries : 511, produits : 95 559, matières premières en amont : 56 824, industries supérieures : 480, produits en aval : 390, sous-catégories de produits : 52 937, industries d'appartenance : 3 946.
PromptKG Family : une galerie d'œuvres de recherche, de kits d'outils et de listes d'articles liés à l'apprentissage par invite (Prompt Learning) et aux graphes de connaissances (KG).
Système basé sur les spans pour l'extraction d'entités nommées, de relations et d'événements.
Récupérer, Lire et Lier : Liaison d'entités et extraction de relations rapides et précises avec un budget académique (ACL 2024)
Foire aux questions
Quel est le dépôt #relation-extraction le plus populaire sur GitHub ?
Le projet #relation-extraction open source le mieux classé sur GitHub est zjunlp/DeepKE, avec 4,486 étoiles. [EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances
Quels langages de programmation sont les plus utilisés dans les dépôts #relation-extraction ?
Parmi les projets #relation-extraction les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, JavaScript, Jupyter Notebook.
Comment le classement des dépôts #relation-extraction est-il calculé ?
Nous suivons 18 dépôts open source actifs associés à #relation-extraction (500+ étoiles), totalisant 36,480 étoiles, avec une moyenne de 2,026 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.