#nlp-machine-learning Repositórios
Descubra 28 repositórios ativos de código aberto no GitHub marcados com #nlp-machine-learning, acumulando um total de 43,343 estrelas (uma média de 1,547 por projeto). O líder deste tópico é deeppavlov/DeepPavlov, com 6,994 estrelas.
28 repositórios no total
Uma biblioteca de código aberto para sistemas de diálogo de ponta a ponta e chatbots de aprendizado profundo.
🌟100+ Mapas Originais de LLM / RL 📚, Uma Grande Contribuição do Autor de "Algoritmos de Modelos Grandes"! 💥 (100+ LLM/RL Algorithm Maps )
MNBVC (Massive Never-ending BT Vast Chinese corpus) é um corpus chinês de escala ultra-massiva. Ele rivaliza com os 40T de dados usados para o treinamento do ChatGPT. O conjunto de dados MNBVC inclui não apenas a cultura dominante, mas também dados de várias culturas de nicho e até mesmo o 'texto marciano' (huoxing wen). O conjunto de dados MNBVC abrange todas as formas de dados de texto puro em chinês, incluindo notícias, redações, romances, livros, revistas, artigos, roteiros, postagens, wikis, poesia clássica, letras de música, descrições de produtos, piadas, anedotas embaraçosas e registros de bate-papo.
Tika-Python é uma ligação Python para os serviços REST do Apache Tika™, permitindo que o Tika seja chamado nativamente na comunidade Python.
A biblioteca de detecção de linguagem natural mais precisa para Go, adequada para textos curtos e textos em idiomas mistos
Artigos relevantes na área de Processamento de Linguagem Natural (com notas de leitura), reprodução de modelos e processamento de dados, etc. (código inclui versões TensorFlow e PyTorch)
Um pacote python para executar a modelagem de tópicos contextualizada. CTMs combinam embeddings contextualizados (por exemplo, BERT) com modelos de tópicos para obter tópicos coerentes. Publicado na EACL e ACL 2021 (Bianchi et al.).
A biblioteca de detecção de linguagem natural mais precisa para Rust, adequada para textos curtos e textos multilíngues
Uma coleção selecionada de eBooks sobre ciência de dados, aprendizado de máquina e IA para ajudar você a aprender e crescer.
skweak: Um kit de ferramentas de software para supervisão fraca aplicado a tarefas de PNL
Kit de ferramentas para ajuste fino, ablação e teste unitário de LLMs de código aberto.
Introduzimos um novo modelo projetado para a tarefa de geração de código. Sua precisão nos testes no conjunto de dados base HumanEval supera a do GPT-4 Turbo (abril de 2024) e do GPT-4o.
A biblioteca de detecção de linguagem natural mais precisa para Java e JVM, adequada para textos longos e curtos
Mecanismo de busca fundamentado (ou seja, com referência à fonte) baseado em LLM / ChatGPT / OpenAI API. Suporta busca na web, busca de conteúdo de arquivos, etc.
Modelos SpaCy em Chinês | Modelos para SpaCy que suportam Chinês
Coleção de artigos e projetos de código aberto do ICLR de anos anteriores, incluindo ICLR2021, ICLR2022, ICLR2023, ICLR2024, ICLR2025.
🌍 AppWorld: Um mundo controlável de aplicativos e pessoas para avaliar comparativamente a chamada de funções e agentes de codificação interativa, artigo vencedor do prêmio de melhor recurso da ACL'24.
Repositório contendo tudo o que é necessário para análise de sentimento e áreas relacionadas
FashionCLIP é um modelo semelhante ao CLIP ajustado para o domínio da moda.
Perguntas Frequentes
Qual é o repositório de #nlp-machine-learning mais popular no GitHub?
O projeto de código aberto de #nlp-machine-learning mais bem classificado no GitHub é deeppavlov/DeepPavlov, com 6,994 estrelas. Uma biblioteca de código aberto para sistemas de diálogo de ponta a ponta e chatbots de aprendizado profundo.
Quais linguagens de programação são mais usadas nos repositórios de #nlp-machine-learning?
Entre os projetos de #nlp-machine-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Go, Rust.
Como é calculada a classificação dos repositórios de #nlp-machine-learning?
Acompanhamos 28 repositórios ativos de código aberto marcados com #nlp-machine-learning (com mais de 500 estrelas), totalizando 43,343 estrelas e uma média de 1,547 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.