text-classification

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.

Corpus à grande échelle pour le traitement du langage naturel en chinois

Classification de texte chinois par CNN-RNN, basée sur TensorFlow.

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

MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités

R&D accélérée en deep learning.

Tutoriels de code Python

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.

EasyNLP : Une boîte à outils NLP complète et facile à utiliser

[ACL 2023] Un seul embedder pour toutes les tâches : plongements de texte affinés par instruction.

Algorithmes de classification de texte : une étude

Classification de textes chinois (longs, courts, multi-étiquettes) et similarité de phrases avec Keras NLP, incluant des classes de base pour les embeddings et les réseaux (graph), FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM et TextGCN.

Un framework sans code basé sur PyTorch pour des études d'apprentissage profond reproductibles. Écosystème PyTorch. 🏆 26 méthodes de distillation de connaissances présentées à TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. sont implémentées jusqu'à présent. 🎁 Modèles entraînés, journaux d'entraînement et configurations disponibles pour assurer la reproductibilité et l'étalonnage.

Modèle de deep learning de pointe pour l'analyse des sentiments, des émotions, du sarcasme, etc.

Le choix open-source des data scientists pour mettre à l'échelle, évaluer et maintenir les données en langage naturel. Traitez les données d'entraînement comme un artefact logiciel.

Obsei est un outil d'automatisation low-code alimenté par l'IA, utilisable pour divers flux métier comme l'écoute sociale, les alertes basées sur l'IA, l'analyse d'image de marque, les études comparatives, et plus encore.

Intégration de LLM dans des pipelines NLP structurés

Une implémentation élégante de transformers en PyTorch

Bibliothèque de détection de langue naturelle pour Rust. Essayez la démo en ligne : https://whatlang.org/

Un outil pour apprendre les représentations vectorielles de mots et d'entités à partir de Wikipédia

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.

Ce dépôt présente PIXIU, une ressource open-source proposant les premiers grands modèles de langage (LLM) financiers, des données d'ajustement d'instructions et des benchmarks d'évaluation pour évaluer globalement les LLM financiers. Notre objectif est de faire progresser continuellement le développement open-source de l'intelligence artificielle (IA) financière.

👑 Composants et outils de visualisation spaCy pour les applications Streamlit

Classification de texte multi-étiquettes, classifieur, BERT, seq2seq, attention, multi-label-classification

NucliaDB, la base de données de recherche IA pour le RAG

Apprentissage actif pour la classification de texte en Python

BERTweet : un modèle de langage pré-entraîné pour les tweets en anglais (EMNLP-2020)

Un benchmark de classification de texte en PyTorch