text-classification

Chinesische Tokenisierung, Wortarten-Tagging, Benennungserkennung, Abhängigkeits-Syntaxanalyse, Komponenten-Syntaxanalyse, semantische Abhängigkeitsanalyse, semantische Rollen-Tagging, Referenzauflösung, Stiltransfer, semantische Ähnlichkeitsmessung, Neuerkennung, Schlüsselwort-Phrase-Extraktion, automatisches Zusammenfassen, Textklassifizierung, Clustering, Pinyin-Simplifizierung/Traditionalisierung, Natural Language Processing

💫 Industriestärke Natural Language Processing (NLP) in Python

Groß angelegtes chinesisches Korpus für die natürliche Sprachverarbeitung (NLP)

CNN-RNN chinesische Textklassifikation, basierend auf TensorFlow

Transformer für Information Retrieval, Textklassifizierung, NER, QA, Sprachmodellierung, Spracherzeugung, T5, Multimodalität und konversationelle KI

State-of-the-Art-Verarbeitung natürlicher Sprache

MTEB: State-of-the-Art-Evaluierung von Embeddings über Sprachen und Modalitäten hinweg

Beschleunigte Deep-Learning-Forschung und -Entwicklung

Die Python-Code-Tutorials

Kashgari ist ein produktionsreifes NLP-Transfer-Learning-Framework auf Basis von tf.keras für Text-Labeling und Text-Klassifizierung, einschließlich Word2Vec-, BERT- und GPT2-Spracheinbettungen.

EasyNLP: Ein umfassendes und benutzerfreundliches NLP-Toolkit

[ACL 2023] One Embedder, Any Task: Anweisungsspezifisch fein abgestimmte Texteinbettungen

Algorithmen zur Textklassifikation: Eine Übersicht

Chinesische Textklassifizierung, Kurzsatzklassifizierung, Multi-Label-Klassifizierung, Satzähnlichkeit, Basisklassen für die Erstellung von Wort-/Satz-Vektoreinbettungsschichten (embeddings) und Netzwerkschichten (graph), FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN

Ein auf PyTorch basierendes, codierungsfreies Framework für reproduzierbare Deep-Learning-Studien. PyTorch Ecosystem. 🏆 Bisher wurden 26 Knowledge-Distillation-Methoden implementiert, die auf TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. vorgestellt wurden. 🎁 Trainierte Modelle, Trainingsprotokolle und Konfigurationen stehen zur Verfügung, um Reproduzierbarkeit und Benchmarks sicherzustellen.

Hochmoderne Deep-Learning-Modelle zur Analyse von Stimmung, Emotionen, Sarkasmus usw.

Die Open-Source-Wahl für Data Scientists zum Skalieren, Bewerten und Pflegen von Natural-Language-Daten. Behandeln Sie Trainingsdaten wie ein Software-Artefakt.

Obsei ist ein KI-gestütztes Low-Code-Automatisierungstool. Es kann in verschiedenen Geschäftsprozessen wie Social Listening, KI-basierten Warnmeldungen, Markenimageanalyse, vergleichenden Studien und mehr eingesetzt werden.

🦙 Integration von LLMs in strukturierte NLP-Pipelines

Eine elegante PyTorch-Implementierung von Transformers.

Bibliothek zur Erkennung natürlicher Sprache für Rust. Online-Demo testen: https://whatlang.org/

Ein Tool zum Lernen von Vektorrepräsentationen von Wörtern und Entitäten aus Wikipedia

1 Zeile für Tausende von State-of-the-Art NLP-Modellen in Hunderten von Sprachen. Der schnellste und präziseste Weg, Textprobleme zu lösen.

Dieses Repository stellt PIXIU vor, eine Open-Source-Ressource mit den ersten großen Sprachmodellen (LLMs) für den Finanzsektor, Instruktions-Tuning-Daten und Evaluierungs-Benchmarks zur ganzheitlichen Bewertung von Finanz-LLMs. Unser Ziel ist es, die Open-Source-Entwicklung der künstlichen Intelligenz (KI) im Finanzwesen kontinuierlich voranzutreiben.

👑 spaCy Bausteine und Visualisierungen für Streamlit-Anwendungen

Multi-Label-Textklassifikation, Multi-Label-Klassifikation, Textklassifikation, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification

NucliaDB, die KI-Suchdatenbank für RAG-Anwendungen.

Aktives Lernen für Textklassifizierung in Python

BERTweet: Ein vortrainiertes Sprachmodell für englische Tweets (EMNLP-2020)

Ein Benchmark für Textklassifizierung in PyTorch