#text-mining Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #text-mining, cumulant 102,303 étoiles au total (soit une moyenne de 4,092 étoiles par projet). Le projet en tête de ce thème est fxsjy/jieba, avec 34,677 étoiles.
25 dépôts au total
:book: Une liste curated de ressources dédiées au Traitement automatique du langage naturel (NLP)
Cahiers et code pour le livre "Introduction to Machine Learning with Python"
Outil Python et en ligne de commande pour collecter du texte et des métadonnées sur le Web : Crawling, scraping, extraction, sortie au format CSV, JSON, HTML, MD, TXT, XML
VADER Sentiment Analysis. VADER (Valence Aware Dictionary and sEntiment Reasoner) est un lexique et un outil d'analyse de sentiment basé sur des règles, spécifiquement adapté aux sentiments exprimés sur les réseaux sociaux, et qui fonctionne bien sur des textes d'autres domaines.
Convertissez n'importe quel texte en un graphe de connaissances. Ceci peut être utilisé pour la génération augmentée par graphe ou pour des questions-réponses basés sur des graphes de connaissances.
De belles visualisations de la manière dont la langue diffère entre les types de documents.
Manuscrit du livre "Tidy Text Mining with R" par Julia Silge et David Robinson
Extraction de texte avec les outils tidy :sparkles::page_facing_up::sparkles:
Outil de recherche open source pour rechercher, parcourir, analyser et explorer de grandes collections de documents via Semantic Search Engine et plateforme open source de Text Mining & Text Analytics (Intègre ETL pour le traitement des documents, OCR pour les images & PDF, named entity recognition pour les personnes, organisations & lieux, gestion des métadonnées par thesaurus & ontologies, interface utilisateur de recherche & applications de recherche pour la recherche en texte intégral, faceted search & knowledge graph)
MALLET est un package basé sur Java pour le traitement statistique du langage naturel, la classification de documents, le clustering, la modélisation de sujets, l'extraction d'informations et d'autres applications d'apprentissage automatique appliquées au texte.
Une collection de carnets pour le Traitement Automatique du Langage Naturel de NLP Town
S2ORC : Le Corpus de recherche ouvert Semantic Scholar : https://www.aclweb.org/anthology/2020.acl-main.447/
Une liste de ressources impressionnantes pour les sciences sociales computationnelles
Vectorisation rapide, modélisation de sujets, distances et embeddings de mots GloVe en R.
Package R pour la visualisation interactive des modèles thématiques basée sur le web.
Répertoire contenant tout ce qui est nécessaire à l'analyse de sentiment et aux domaines connexes
Liste organisée de ressources et d'outils en libre accès/open source/prêts à l'emploi développés avec un accent particulier sur l'allemand
Foire aux questions
Quel est le dépôt #text-mining le plus populaire sur GitHub ?
Le projet #text-mining open source le mieux classé sur GitHub est fxsjy/jieba, avec 34,677 étoiles. Segmentation de mots chinois Jieba
Quels langages de programmation sont les plus utilisés dans les dépôts #text-mining ?
Parmi les projets #text-mining les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, R, C++.
Comment le classement des dépôts #text-mining est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #text-mining (500+ étoiles), totalisant 102,303 étoiles, avec une moyenne de 4,092 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.