#named-entity-recognition Repositórios
Descubra 53 repositórios ativos de código aberto no GitHub marcados com #named-entity-recognition, acumulando um total de 305,471 estrelas (uma média de 5,763 por projeto). O líder deste tópico é fighting41love/funNLP, com 78,181 estrelas.
53 repositórios no total
Palavras sensíveis em chinês e inglês, detecção de linguagem, consulta de origem/operadora de celular/telefone na China e no exterior, inferência de gênero por nome, extração de número de celular, extração de número de identificação, extração de e-mail, banco de dados de nomes chineses e japoneses, banco de dados de abreviações chinesas, dicionário de decomposição de caracteres, valor emocional de vocabulário, stop words, lista de verbos opostos, lista de palavras terroristas, conversão de chinês tradicional e simplificado, pronúncia inglesa simulada em chinês, gerador de letras de Wang Feng, banco de dados de nomes de profissões, banco de dados de sinônimos, banco de dados de antônimos, banco de dados de palavras negativas, banco de dados de marcas de carros, banco de dados de peças de carros, segmentação contínua de inglês, vários vetores de palavras chinesas, lista completa de nomes de empresas, banco de dados de poesia antiga, banco de dados de TI, banco de dados financeiro, banco de dados de provérbios, banco de dados de topônimos, banco de dados de celebridades históricas, banco de dados de poemas, banco de dados médico, banco de dados de alimentos e bebidas, banco de dados jurídico, banco de dados de carros, banco de dados de animais, corpus de bate-papo chinês, dados de boatos chineses, conjunto de dados de perguntas e respostas em chinês do Baidu, conjunto de algoritmos de correspondência de similaridade de frases, recursos do bert, ferramentas relacionadas à geração de texto e resumo, ferramentas de extração de informações cocoNLP, correspondência de regex de números de telefone domésticos, Qinghai University XLORE: Knowledge Graph Multilingual Encyclopedia (chinês-inglês), Qinghai University AI Technology Series Reports, Natural Language Generation, NLU is Too Hard Series, dados e robôs de dísticos automáticos, lista negra de nomes de usuário, nomes e modelos de classificação de crimes e direito, corpus de conta pública do WeChat, curso de Deep Learning for Natural Language Processing cs224n, reconhecimento de escrita à mão de caracteres chineses, corpus/conjunto de dados de processamento de linguagem natural em chinês, ferramenta de nomenclatura de variáveis, corpus de segmentação de palavras + código, conjunto de dados em inglês para tarefas de diálogo, conjunto de dados de ASR (Reconhecimento Automático de Fala) + baseado em Deep Learning em chinês
segmentação de palavras em chinês; etiquetagem de classes gramaticais; reconhecimento de entidades nomeadas; análise sintática de dependências; análise sintática de constituintes; análise de dependências semânticas; etiquetagem de papéis semânticos; resolução de correferências; transferência de estilo; similaridade semântica; descoberta de palavras novas; extração de palavras-chave e frases-chave; sumarização automática; classificação e agrupamento de textos; conversão entre pinyin e chinês simplificado/tradicional; processamento de linguagem natural
Repositório para acompanhar o progresso em Processamento de Linguagem Natural (PLN), incluindo os conjuntos de dados e o estado da arte atual para as tarefas de PLN mais comuns.
Uma estrutura muito simples para Processamento de Linguagem Natural (PLN) de última geração
Um framework de código aberto para detetar, editar, mascarar e anonimizar dados sensíveis (PII) em texto, imagens e dados estruturados. Suporta NLP, correspondência de padrões e pipelines personalizáveis.
CoreNLP: Uma suíte Java de ferramentas de PNL essenciais para tokenização, segmentação de sentenças, NER, análise sintática, correferência, análise de sentimento, etc.
Biblioteca Python do Stanford NLP para tokenização, segmentação de frases, NER e análise sintática de muitas línguas humanas
Uma biblioteca de código aberto para sistemas de diálogo de ponta a ponta e chatbots de aprendizado profundo.
[EMNLP 2022] Uma Ferramenta Aberta para Extração e Construção de Grafos de Conhecimento
Gráfico de Conhecimento Agrícola (AgriKG): Recuperação de informações no campo da agricultura, reconhecimento de entidades nomeadas, extração de relações, perguntas e respostas inteligentes, suporte à decisão
Modelo Generalista e Leve para Reconhecimento de Entidades Nomeadas (Extrair qualquer tipo de entidade de textos)
Transformers para Recuperação de Informação, Classificação de Texto, NER, QA, Modelagem de Linguagem, Geração de Linguagem, T5, Multi-Modal e IA Conversacional
Ferramentas de mineração e pré-processamento de texto (limpeza de texto, descoberta de novas palavras, análise de sentimento, ligação de reconhecimento de entidade, extração de palavras-chave, extração de conhecimento, análise sintática, etc.), métodos não supervisionados ou fracamente supervisionados
Kashgari é um framework de Aprendizado por Transferência de PLN em nível de produção construído sobre o tf.keras para rotulagem de texto e classificação de texto, incluindo Word2Vec, BERT e GPT2 Language Embedding.
Reconhecimento de Entidades Nomeadas em Chinês com IDCNN/biLSTM+CRF, e Extração de Relações com biGRU+2ATT Reconhecimento e Extração de Relações de Entidades Nomeadas em Chinês
Redes Neurais Profundas de Múltiplas Tarefas para Compreensão de Linguagem Natural
Colabore e rotule qualquer tipo de dados, imagens, textos ou documentos, em uma interface web fácil ou aplicativo desktop.
Uma coleção de corpora para tarefas de reconhecimento de entidades nomeadas (NER) e reconhecimento de entidades. Estes conjuntos de dados anotados cobrem uma variedade de idiomas, domínios e tipos de entidades.
Este projeto projetou e implementou um sistema inteligente de perguntas e respostas médicas baseado em RAG (Geração Aumentada por Recuperação) com grafos de conhecimento e grandes modelos de linguagem. Com base no conjunto de dados médico DiseaseKG e utilizando o Neo4j, o sistema constrói um grafo de conhecimento de domínio contendo 44.000 entidades e 310.000 relações. Ao combinar o reconhecimento de entidades nomeadas BERT com o reconhecimento de intenção por um modelo 32B, o sistema mitiga efetivamente as alucinações dos grandes modelos em cenários médicos através de uma recuperação precisa no grafo e geração controlada de respostas, aumentando significativamente a precisão e a confiabilidade das respostas.
Proteção de privacidade local: anonimize seus documentos antes de compartilhá-los com LLMs.
Ferramenta de pesquisa de código aberto para pesquisar, navegar, analisar e explorar grandes coleções de documentos por meio de um Mecanismo de Busca Semântica e plataforma de Mineração de Texto e Análise de Texto de Código Aberto (Integra ETL para processamento de documentos, OCR para imagens e PDF, reconhecimento de entidade nomeada para pessoas, organizações e locais, gerenciamento de metadados por tesauro e ontologias, interface de usuário de pesquisa e aplicativos de pesquisa para pesquisa de texto completo, pesquisa facetada e grafo de conhecimento)
Um framework Python para avaliação de rotulagem de sequências (reconhecimento de entidade nomeada, marcação de pos, etc...)
Artigos excelentes sobre Extração de Informação (IE) generativa usando Grandes Modelos de Linguagem (LLMs)
Uma linha para milhares de modelos de PNL de ponta em centenas de idiomas. A maneira mais rápida e precisa de resolver problemas de texto.
Este repositório apresenta o PIXIU, um recurso de código aberto que inclui os primeiros grandes modelos de linguagem (LLMs) financeiros, dados de ajuste de instruções e benchmarks de avaliação para avaliar de forma holística os LLMs financeiros. Nosso objetivo é impulsionar continuamente o desenvolvimento de código aberto da inteligência artificial (IA) financeira.
Repositório Github com tutoriais para ajustar (fine-tune) transformers para diferentes tarefas de PNL
👑 Blocos de construção e visualizadores spaCy para aplicativos Streamlit
PhoBERT: Modelos de linguagem pré-treinados para vietnamita (EMNLP-2020 Findings)
Reconhecimento de Entidades Nomeadas em Chinês. Inclui os artigos mais recentes sobre reconhecimento de entidades nomeadas em chinês, ferramentas e conjuntos de dados relacionados ao reconhecimento de entidades em chinês, bem como modelos pré-treinados em chinês, vetores de palavras, revisões de reconhecimento de entidades, etc.
Ajuste fino de Grandes Modelos de Linguagem, ajuste fino de instruções para Qwen2VL, Qwen2, GLM4
Uma ferramenta simples e rápida para segmentação de palavras e reconhecimento de entidades nomeadas
BERTweet: Um modelo de linguagem pré-treinado para Tweets em inglês (EMNLP-2020)
Um conjunto de ferramentas de processamento de linguagem natural em árabe desenvolvido pelo Laboratório CAMeL na Universidade de Nova York em Abu Dhabi.
Sistema baseado em spans para extração de entidades nomeadas, relações e eventos.
Perguntas Frequentes
Qual é o repositório de #named-entity-recognition mais popular no GitHub?
O projeto de código aberto de #named-entity-recognition mais bem classificado no GitHub é fighting41love/funNLP, com 78,181 estrelas. Palavras sensíveis em chinês e inglês, detecção de linguagem, consulta de origem/operadora de celular/telefone na China e no exterior, inferência de gênero por nome, extração de número de celular, extração de número de identificação, extração de e-mail, banco de dados de nomes chineses e japoneses, banco de dados de abreviações chinesas, dicionário de decomposição de caracteres, valor emocional de vocabulário, stop words, lista de verbos opostos, lista de palavras terroristas, conversão de chinês tradicional e simplificado, pronúncia inglesa simulada em chinês, gerador de letras de Wang Feng, banco de dados de nomes de profissões, banco de dados de sinônimos, banco de dados de antônimos, banco de dados de palavras negativas, banco de dados de marcas de carros, banco de dados de peças de carros, segmentação contínua de inglês, vários vetores de palavras chinesas, lista completa de nomes de empresas, banco de dados de poesia antiga, banco de dados de TI, banco de dados financeiro, banco de dados de provérbios, banco de dados de topônimos, banco de dados de celebridades históricas, banco de dados de poemas, banco de dados médico, banco de dados de alimentos e bebidas, banco de dados jurídico, banco de dados de carros, banco de dados de animais, corpus de bate-papo chinês, dados de boatos chineses, conjunto de dados de perguntas e respostas em chinês do Baidu, conjunto de algoritmos de correspondência de similaridade de frases, recursos do bert, ferramentas relacionadas à geração de texto e resumo, ferramentas de extração de informações cocoNLP, correspondência de regex de números de telefone domésticos, Qinghai University XLORE: Knowledge Graph Multilingual Encyclopedia (chinês-inglês), Qinghai University AI Technology Series Reports, Natural Language Generation, NLU is Too Hard Series, dados e robôs de dísticos automáticos, lista negra de nomes de usuário, nomes e modelos de classificação de crimes e direito, corpus de conta pública do WeChat, curso de Deep Learning for Natural Language Processing cs224n, reconhecimento de escrita à mão de caracteres chineses, corpus/conjunto de dados de processamento de linguagem natural em chinês, ferramenta de nomenclatura de variáveis, corpus de segmentação de palavras + código, conjunto de dados em inglês para tarefas de diálogo, conjunto de dados de ASR (Reconhecimento Automático de Fala) + baseado em Deep Learning em chinês
Quais linguagens de programação são mais usadas nos repositórios de #named-entity-recognition?
Entre os projetos de #named-entity-recognition mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, Java.
Como é calculada a classificação dos repositórios de #named-entity-recognition?
Acompanhamos 53 repositórios ativos de código aberto marcados com #named-entity-recognition (com mais de 500 estrelas), totalizando 305,471 estrelas e uma média de 5,763 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.