text-classification

Segmentação de palavras em chinês, marcação de partes do discurso, reconhecimento de entidades nomeadas, análise de dependência, análise de constituintes, análise de dependência semântica, rotulação de papéis semânticos, resolução de correferência, transferência de estilo, similaridade semântica, descoberta de novas palavras, extração de palavras-chave e frases, resumo automático, classificação e agrupamento de texto, conversão de Pinyin (simplificado/tradicional), processamento de linguagem natural

💫 Processamento de Linguagem Natural (NLP) de nível industrial em Python

Corpus de larga escala para processamento de linguagem natural em chinês

Classificação de texto em chinês com CNN-RNN, baseada no TensorFlow

Transformers para recuperação de informação, classificação de texto, NER, QA, modelagem de linguagem, geração de linguagem, T5, multimodal e IA conversacional.

Processamento de Linguagem Natural de última geração

MTEB: Avaliação de ponta para embeddings em diversos idiomas e modalidades.

P&D de deep learning acelerado

Tutoriais de código em Python.

Kashgari é um framework de aprendizado por transferência em NLP de nível de produção construído sobre o tf.keras para rotulagem e classificação de texto, incluindo Word2Vec, BERT e GPT2 Language Embedding.

EasyNLP: Um kit de ferramentas de PNL abrangente e fácil de usar.

[ACL 2023] Um incorporador, qualquer tarefa: Embeddings de texto ajustados por instrução

Algoritmos de classificação de texto: um levantamento.

Classificação de texto longo, frases curtas, multirrótulo e similaridade entre duas frases em chinês (Keras NLP), classes base para construção de camadas de embedding de palavras/caracteres e camadas de rede (grafo), FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN

Um framework sem código construído sobre PyTorch para estudos de deep learning reprodutíveis. Ecossistema PyTorch. Até o momento, 26 métodos de destilação de conhecimento apresentados em conferências como TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV e AAAI foram implementados. Modelos treinados, logs de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e o benchmark.

Modelo de deep learning de última geração para análise de sentimento, emoção, sarcasmo, etc.

A escolha de código aberto para cientistas de dados escalarem, avaliarem e manterem dados de linguagem natural. Trate dados de treinamento como um artefato de software.

Obsei é uma ferramenta de automação low-code baseada em IA. Pode ser usada em vários fluxos de negócios, como monitoramento de redes sociais, alertas baseados em IA, análise de imagem de marca, estudos comparativos e muito mais.

🦙 Integrando LLMs em pipelines de PNL estruturados

Uma implementação elegante de transformers em PyTorch

Biblioteca de detecção de linguagem natural para Rust. Teste a demonstração online: https://whatlang.org/

Uma ferramenta para aprender representações vetoriais de palavras e entidades da Wikipédia

1 linha para milhares de modelos NLP de última geração 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 contém os primeiros Large Language Models (LLMs) financeiros, dados de ajuste de instrução e benchmarks de avaliação para avaliar holisticamente LLMs financeiros. Nosso objetivo é promover continuamente o desenvolvimento de código aberto em inteligência artificial (IA) financeira.

Componentes e visualizadores spaCy para aplicações Streamlit

Classificação de texto multilabel, classificação multilabel, classificação de texto, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification

NucliaDB, o banco de dados de busca por IA para RAG

Aprendizado ativo para classificação de texto em Python

BERTweet: Um modelo de linguagem pré-treinado para Tweets em inglês (EMNLP-2020)

Um benchmark de classificação de texto em PyTorch