Git Stars Git Stars

#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
Total des Dépôts
36,480
Nombre total d'étoiles
2,026
Moyenne d'Étoiles/Dépôt
1
zjunlp/DeepKE

[EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances

zjunlp
⭐ 4,486 Python 👤 zjunlp Organization 🕐 Mis à jour 2026-07-13 📅 Créé 2018-08-01
3
thunlp/OpenNRE

Un package open-source pour l'extraction de relations neuronales (NRE)

thunlp
⭐ 4,446 Python 👤 thunlp Organization 🕐 Mis à jour 2024-01-10 📅 Créé 2017-02-26
4
qq547276542/Agriculture_KnowledgeGraph

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

qq547276542
⭐ 4,369 Python 👤 qq547276542 User 🕐 Mis à jour 2025-02-11 📅 Créé 2017-11-25
5
km1994/nlp_paper_study

Ce dépôt contient principalement des notes de lecture d’articles de conférences de premier plan liés à l’ingénierie des algorithmes de TAL.

km1994
⭐ 4,035 C++ 👤 km1994 User 🕐 Mis à jour 2026-10-11 📅 Créé 2019-05-18
6
fastino-ai/GLiNER2

Extraction d'informations basée sur un schéma unifié

fastino-ai
⭐ 2,490 Python 👤 fastino-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-07-07
7
crownpku/Information-Extraction-Chinese

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

crownpku
⭐ 2,265 Python 👤 crownpku User 🕐 Mis à jour 2024-02-01 📅 Créé 2017-08-09
8
deepwel/Chinese-Annotator

Annotateur pour Corpus de Texte Chinois (EN DÉVELOPPEMENT) Outil d'annotation de texte chinois

deepwel
⭐ 1,473 JavaScript 👤 deepwel Organization 🕐 Mis à jour 2024-04-08 📅 Créé 2017-11-09
9
Tongjilibo/bert4torch

Une implémentation élégante de PyTorch des transformeurs

Tongjilibo
⭐ 1,323 Python 👤 Tongjilibo User 🕐 Mis à jour 2026-05-16 📅 Créé 2022-03-12
10
monarch-initiative/ontogpt

Outils d'extraction ontologique basés sur les LLM, y compris SPIRES

monarch-initiative
⭐ 1,103 Jupyter Notebook 👤 monarch-initiative Organization 🕐 Mis à jour 2026-09-10 📅 Créé 2023-01-03
11
quqxui/Awesome-LLM4IE-Papers

Articles impressionnants sur l'extraction d'informations génératives (IE) utilisant de grands modèles linguistiques (LLM)

quqxui
⭐ 1,037 👤 quqxui User 🕐 Mis à jour 2024-11-18 📅 Créé 2023-12-28
12
cocacola-lab/ChatIE

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)

cocacola-lab
⭐ 827 Python 👤 cocacola-lab Organization 🕐 Mis à jour 2024-05-28 📅 Créé 2023-02-16
13
BrambleXu/knowledge-graph-learning

Une liste organisée d'excellents tutoriels, projets et communautés sur les graphes de connaissances.

BrambleXu
⭐ 783 👤 BrambleXu User 🕐 Mis à jour 2026-08-26 📅 Créé 2018-11-02
14
liuhuanyong/ChainKnowledgeGraph

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.

liuhuanyong
⭐ 779 Python 👤 liuhuanyong User 🕐 Mis à jour 2025-12-22 📅 Créé 2021-10-26
15
Ricardokevins/Bert-In-Relation-Extraction

Extraction de relations entre entités avec Bert

Ricardokevins
⭐ 751 Python 👤 Ricardokevins User 🕐 Mis à jour 2026-11-21 📅 Créé 2020-10-24
16
zjunlp/PromptKG

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).

zjunlp
⭐ 733 Python 👤 zjunlp Organization 🕐 Mis à jour 2024-03-22 📅 Créé 2021-12-18
17
dwadden/dygiepp

Système basé sur les spans pour l'extraction d'entités nommées, de relations et d'événements.

dwadden
⭐ 593 Python 👤 dwadden User 🕐 Mis à jour 2026-07-05 📅 Créé 2019-02-19
18
SapienzaNLP/relik

Récupérer, Lire et Lier : Liaison d'entités et extraction de relations rapides et précises avec un budget académique (ACL 2024)

SapienzaNLP
⭐ 513 Python 👤 SapienzaNLP Organization 🕐 Mis à jour 2025-07-29 📅 Créé 2023-11-09

Foire aux questions

1

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

2

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.

3

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.