named-entity-recognition

Segmentation de mots chinois, étiquetage morphosyntaxique, reconnaissance d'entités nommées, analyse syntaxique de dépendance, analyse syntaxique en constituants, analyse de dépendance sémantique, étiquetage de rôles sémantiques, résolution de coréférence, transfert de style, similarité sémantique, découverte de nouveaux mots, extraction de mots-clés, résumé automatique, classification et clustering de texte, conversion pinyin/simplifié-traditionnel, traitement du langage naturel.

Traitement du langage naturel (NLP) de qualité industrielle en Python.

Dépôt pour suivre les progrès en traitement du langage naturel (NLP), incluant les jeux de données et l'état de l'art actuel pour les tâches NLP les plus courantes.

Un framework très simple pour le traitement du langage naturel (NLP) de pointe.

Traitement du langage naturel modeste.

Framework open source pour détecter, masquer, censurer et anonymiser les données sensibles (PII) dans les textes, images et données structurées. Prend en charge le NLP, la correspondance de motifs et les pipelines personnalisables.

CoreNLP : une suite Java d'outils NLP fondamentaux pour la tokenisation, la segmentation de phrases, la reconnaissance d'entités nommées (NER), l'analyse syntaxique, la coréférence, l'analyse de sentiment, etc.

Bibliothèque Python NLP de Stanford pour la tokenisation, la segmentation de phrases, la reconnaissance d'entités nommées (NER) et l'analyse syntaxique de nombreuses langues humaines.

Une bibliothèque open source pour les systèmes de dialogue et les chatbots basés sur l'apprentissage profond de bout en bout.

[EMNLP 2022] Une boîte à outils ouverte pour l'extraction et la construction de graphes de connaissances

Graphe de connaissances agricoles (AgriKG) : recherche d'informations, reconnaissance d'entités nommées, extraction de relations, questions-réponses intelligentes et aide à la décision dans le domaine agricole

Transformers pour la recherche d'informations, la classification de texte, la NER, le QA, la modélisation et la génération de langage, T5, le multi-modal et l'IA conversationnelle.

État de l'art du traitement du langage naturel

Modèle généraliste et léger pour la reconnaissance d'entités nommées (extraction de tout type d'entité à partir de textes).

Segmentation de mots chinois.

Outils de fouille et de prétraitement de texte (nettoyage de texte, découverte de nouveaux mots, analyse de sentiment, reconnaissance et liaison d'entités, extraction de mots-clés, extraction de connaissances, analyse syntaxique, etc.), utilisant des méthodes non supervisées ou faiblement supervisées.

👩‍🏫 NLP avancé avec spaCy : un cours en ligne gratuit

Kashgari est un framework de transfert d'apprentissage NLP de niveau production basé sur tf.keras pour l'étiquetage et la classification de texte, incluant Word2Vec, BERT et GPT2 Language Embedding.

Reconnaissance d'entités nommées en chinois avec IDCNN/biLSTM+CRF, et extraction de relations avec biGRU+2ATT.

Réseaux de neurones profonds multitâches pour la compréhension du langage naturel

Collaborez et étiquetez tout type de données, images, textes ou documents via une interface web ou une application de bureau intuitive.

Une collection de corpus pour la reconnaissance d'entités nommées (NER) et les tâches de reconnaissance d'entités. Ces jeux de données annotés couvrent une variété de langues, de domaines et de types d'entités.

Intégration de LLM dans des pipelines NLP structurés

Une implémentation élégante de transformers en PyTorch

Outil de recherche open source pour explorer et analyser de vastes collections de documents via un moteur de recherche sémantique et une plateforme d'exploration de texte (inclut ETL, OCR, reconnaissance d'entités nommées et gestion de métadonnées).

Un framework Python pour l'évaluation de l'étiquetage de séquences (reconnaissance d'entités nommées, étiquetage morphosyntaxique, etc.)

Liste d'articles de référence sur l'extraction d'informations générative utilisant des grands modèles de langage (LLM).

La bibliothèque Python pour les noms.

Outils d'extraction ontologique basés sur les LLM, incluant SPIRES

Une ligne pour des milliers de modèles NLP de pointe dans des centaines de langues. Le moyen le plus rapide et le plus précis pour résoudre les problèmes textuels.