#fasttext Repository
Scopri 6 repository GitHub open source attivi contrassegnati con #fasttext, che raccolgono un totale di 26,706 stelle (con una media di 4,451 stelle per progetto). Il progetto leader di questo argomento è piskvorky/gensim, con 16,507 stelle.
6 repository in totale
Tutorial per iniziare con PyTorch e TorchText per l'analisi del sentiment.
Classificazione testo lungo in cinese, classificazione frasi brevi, classificazione multi-etichetta, similarità di due frasi (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), strato di embedding vettoriale per caratteri/parole/frasi (embeddings) e strato di rete (graph) classe base di costruzione, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Rete a Capsula-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Un toolkit NLP cinese di livello produttivo, ad alte prestazioni, modulare e scalabile. (Segmentazione parole cinese, Perceptron medio, fastText, Pinyin, Scoperta nuove parole, Correzione segmentazione, BM25, Riconoscimento nomi persone, Entità nominate, Dizionario personalizzato)
Domande frequenti
Qual è il repository #fasttext più popolare su GitHub?
Il progetto open source #fasttext più alto in classifica su GitHub è piskvorky/gensim, con 16,507 stelle. Modellazione di topic per umani
Quali linguaggi di programmazione sono più utilizzati nei repository #fasttext?
Tra i progetti #fasttext più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Java.
Come viene calcolata la classifica dei repository #fasttext?
Monitoriamo 6 repository open source attivi contrassegnati con #fasttext (500+ stelle), per un totale di 26,706 stelle e una media di 4,451 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.