#named-entity-recognition Repository
Scopri 53 repository GitHub open source attivi contrassegnati con #named-entity-recognition, che raccolgono un totale di 305,471 stelle (con una media di 5,763 stelle per progetto). Il progetto leader di questo argomento è fighting41love/funNLP, con 78,181 stelle.
53 repository in totale
Parole sensibili cino-inglesi, rilevamento lingua, query di appartenenza/operatore telefoni mobili/fissi cinesi/esteri, inferenza genere da nomi, estrazione numero mobile, estrazione carta d'identità, estrazione email, biblioteca nomi cino-giapponese, biblioteca abbreviazioni cinesi, dizionario decomposizione caratteri, valori sentimentali lessicali, parole vuote, tabella parole reazionarie, tabella parole violenza-terrorismo, conversione tra semplificato-tradizionale, simulazione pronuncia cinese in inglese, generatore testi canzoni Wang Feng, biblioteca nomi professioni, biblioteca sinonimi, biblioteca antonimi, biblioteca parole negative, biblioteca marchi auto, biblioteca parti auto, segmentazione continua inglese, vari vettori parole cinesi, grande raccolta nomi aziende, biblioteca poesia antica, biblioteca IT, biblioteca finanza, biblioteca idiomi, biblioteca nomi geografici, biblioteca figure storiche, biblioteca poesia, biblioteca medicina, biblioteca alimentazione, biblioteca legale, biblioteca auto, biblioteca animali, corpus chat cinese, dati rumors cinesi, dataset Q&A cinese Baidu, collezione algoritmi matching similarità frasi, risorse bert, tool generazione&riassunto testo, tool estrazione info cocoNLP, matching regex numeri telefono nazionali, Tsinghua XLORE: grafo conoscenza enciclopedico cross-lingua cino-inglese, serie report tecnologia IA Tsinghua, generazione linguaggio naturale, serie NLU troppo difficile, dati coppie automatiche & robot, lista blacklist nomi utente, nomi legali reati & modello classificazione, corpus account pubblici WeChat, corso cs224n deep learning NLP, riconoscimento caratteri cinesi scritti a mano, corpus/dataset NLP cinese, strumento divino naming variabili, biblioteca corpus segmentazione + codice, dataset dialoghi task-based inglese, dataset voce ASR + cinese basato deep learning
segmentazione delle parole cinesi; annotazione delle parti del discorso; riconoscimento delle entità nominate; analisi sintattica a dipendenze; analisi sintattica a costituenti; analisi delle dipendenze semantiche; annotazione dei ruoli semantici; risoluzione delle coreferenze; trasferimento dello stile; similarità semantica; individuazione di neologismi; estrazione di parole chiave e frasi chiave; sintesi automatica; classificazione e raggruppamento dei testi; conversione tra pinyin e cinese semplificato/tradizionale; elaborazione del linguaggio naturale
Repository per tracciare i progressi nel Natural Language Processing (NLP), inclusi i dataset e lo stato dell'arte attuale per le attività NLP più comuni.
Un framework molto semplice per il Natural Language Processing (NLP) all'avanguardia
Un framework open-source per rilevare, redigere, mascherare e anonimizzare dati sensibili (PII) in testi, immagini e dati strutturati. Supporta NLP, corrispondenza di pattern e pipeline personalizzabili.
CoreNLP: Una suite Java di strumenti principali di elaborazione del linguaggio naturale per tokenizzazione, segmentazione delle frasi, NER, parsing, coreferenza, analisi del sentiment, ecc.
Biblioteca Python di Stanford NLP per tokenizzazione, segmentazione delle frasi, NER e parsing di molte lingue umane
Una libreria open source per sistemi di dialogo end-to-end basati su deep learning e chatbot.
[EMNLP 2022] Un toolkit aperto per l'estrazione e la costruzione di grafi di conoscenza
Grafico della Conoscenza Agricola (AgriKG): Ricerca delle Informazioni nel Settore Agricolo, Riconoscimento delle Entità Nominate, Estrazione delle Relazioni, Risposta Intelligente alle Domande, Supporto alle Decisioni
Modello Generalista e Leggero per il Riconoscimento di Entità Nomeate (Estrarre qualsiasi tipo di entità dai testi)
Transformers per il Recupero delle Informazioni, Classificazione del Testo, NER, QA, Modellazione del Linguaggio, Generazione del Linguaggio, T5, Multi-Modal e AI Conversazionale
Strumenti di data mining testuale e pre-elaborazione (pulizia del testo, scoperta di nuove parole, analisi del sentiment, riconoscimento e collegamento di entità, estrazione di parole chiave, estrazione di conoscenza, analisi sintattica, ecc.), metodi non supervisionati o debolmente supervisionati
Kashgari è un framework di apprendimento trasferito NLP a livello di produzione costruito su tf.keras per l'etichettatura del testo e la classificazione del testo, include Word2Vec, BERT e GPT2 Language Embedding.
Riconoscimento di Entità Nominate in Cinese con IDCNN/biLSTM+CRF e Estrazione di Relazioni con biGRU+2ATT Riconoscimento entità in cinese ed estrazione relazioni
Collabora ed etichetta qualsiasi tipo di dato, immagine, testo o documento, in una semplice interfaccia web o applicazione desktop.
Una collezione di corpora per il riconoscimento di entità nominate (NER) e compiti di riconoscimento di entità. Questi dataset annotati coprono una varietà di lingue, domini e tipi di entità.
Questo progetto ha progettato e implementato un sistema intelligente di domande e risposte mediche basato su RAG (Retrieval-Augmented Generation) con grafi di conoscenza e modelli linguistici di grandi dimensioni. Basato sul set di dati medico DiseaseKG e utilizzando Neo4j, il sistema costruisce un grafo di conoscenza di dominio che include 44.000 entità e 310.000 relazioni. Combinando il riconoscimento delle entità nominate BERT e il riconoscimento dell'intento tramite un modello 32B, il sistema mitiga efficacemente le allucinazioni dei modelli linguistici in ambito medico attraverso una ricerca precisa nel grafo e una generazione controllata delle risposte, migliorando significativamente l'accuratezza e l'affidabilità delle risposte.
Annotatore per Corpus di Testo Cinese (IN SVILUPPO) Strumento di annotazione testo cinese
Protezione della privacy locale: anonimizza i tuoi documenti prima di condividerli con i modelli LLM.
Strumento di ricerca open source per cercare, sfogliare, analizzare ed esplorare grandi collezioni di documenti tramite Semantic Search Engine e piattaforma open source di Text Mining & Text Analytics (Integra ETL per l'elaborazione dei documenti, OCR per immagini & PDF, named entity recognition per persone, organizzazioni & luoghi, gestione dei metadati tramite thesaurus & ontologies, interfaccia utente di ricerca & app di ricerca per ricerca fulltext, faceted search & knowledge graph)
Un framework Python per la valutazione di etichettatura di sequenze (riconoscimento di entità nominate, POS tagging, ecc...)
Articoli eccezionali sull'estrazione di informazioni generative (IE) utilizzando grandi modelli linguistici (LLM)
Una riga per migliaia di modelli NLP all'avanguardia in centinaia di lingue. Il modo più veloce e accurato per risolvere problemi di testo.
Questo repository introduce PIXIU, una risorsa open-source che presenta i primi modelli linguistici di grandi dimensioni (LLM) finanziari, dati di instruction tuning e benchmark di valutazione per valutare in modo olistico gli LLM finanziari. Il nostro obiettivo è quello di promuovere continuamente lo sviluppo open-source dell'intelligenza artificiale (AI) finanziaria.
Repo Github con tutorial per mettere a punto transformer per diversi task NLP
PhoBERT: modelli linguistici pre-addestrati per il vietnamita (EMNLP-2020 Findings)
Riconoscimento di entità nominate in cinese. Include gli ultimi articoli recenti sul riconoscimento di entità nominate in cinese, strumenti correlati per il riconoscimento di entità cinesi, set di dati, nonché modelli pre-addestrati cinesi, vettori di parole, panoramiche sul riconoscimento di entità, ecc.
Fine-tuning di modelli linguistici di grandi dimensioni, Qwen2VL, Qwen2, fine-tuning di istruzioni GLM4
Uno strumento semplice e veloce per la segmentazione delle parole e il riconoscimento di entità nominate
BERTweet: Un modello linguistico pre-addestrato per Tweet in inglese (EMNLP-2020)
Una suite di strumenti per l'elaborazione del linguaggio naturale in arabo sviluppata dal CAMeL Lab presso la New York University Abu Dhabi.
Domande frequenti
Qual è il repository #named-entity-recognition più popolare su GitHub?
Il progetto open source #named-entity-recognition più alto in classifica su GitHub è fighting41love/funNLP, con 78,181 stelle. Parole sensibili cino-inglesi, rilevamento lingua, query di appartenenza/operatore telefoni mobili/fissi cinesi/esteri, inferenza genere da nomi, estrazione numero mobile, estrazione carta d'identità, estrazione email, biblioteca nomi cino-giapponese, biblioteca abbreviazioni cinesi, dizionario decomposizione caratteri, valori sentimentali lessicali, parole vuote, tabella parole reazionarie, tabella parole violenza-terrorismo, conversione tra semplificato-tradizionale, simulazione pronuncia cinese in inglese, generatore testi canzoni Wang Feng, biblioteca nomi professioni, biblioteca sinonimi, biblioteca antonimi, biblioteca parole negative, biblioteca marchi auto, biblioteca parti auto, segmentazione continua inglese, vari vettori parole cinesi, grande raccolta nomi aziende, biblioteca poesia antica, biblioteca IT, biblioteca finanza, biblioteca idiomi, biblioteca nomi geografici, biblioteca figure storiche, biblioteca poesia, biblioteca medicina, biblioteca alimentazione, biblioteca legale, biblioteca auto, biblioteca animali, corpus chat cinese, dati rumors cinesi, dataset Q&A cinese Baidu, collezione algoritmi matching similarità frasi, risorse bert, tool generazione&riassunto testo, tool estrazione info cocoNLP, matching regex numeri telefono nazionali, Tsinghua XLORE: grafo conoscenza enciclopedico cross-lingua cino-inglese, serie report tecnologia IA Tsinghua, generazione linguaggio naturale, serie NLU troppo difficile, dati coppie automatiche & robot, lista blacklist nomi utente, nomi legali reati & modello classificazione, corpus account pubblici WeChat, corso cs224n deep learning NLP, riconoscimento caratteri cinesi scritti a mano, corpus/dataset NLP cinese, strumento divino naming variabili, biblioteca corpus segmentazione + codice, dataset dialoghi task-based inglese, dataset voce ASR + cinese basato deep learning
Quali linguaggi di programmazione sono più utilizzati nei repository #named-entity-recognition?
Tra i progetti #named-entity-recognition più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, Java.
Come viene calcolata la classifica dei repository #named-entity-recognition?
Monitoriamo 53 repository open source attivi contrassegnati con #named-entity-recognition (500+ stelle), per un totale di 305,471 stelle e una media di 5,763 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.