nlp-machine-learning

一个开源库，用于深度学习端到端对话系统与聊天机器人。

一个开源 Prompt‑Learning 框架

🌟100+ 原创 LLM / RL 原理图📚，《大模型算法》作者巨献！💥（100+ LLM/RL Algorithm Maps ）

MNBVC（Massive Never-ending BT Vast Chinese corpus）超大规模中文语料集。对标 chatGPT 训练的 40T 数据。MNBVC 数据集不仅包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC 数据集包含新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

文本分类算法综述

Tika-Python 是 Apache Tika™ REST 服务的 Python 绑定，允许在 Python 社区中原生调用 Tika。

Go 语言中最准确的自然语言检测库，适用于短文本和混合语言文本

自然语言处理领域下的相关论文（附阅读笔记），复现模型以及数据处理等（代码含 TensorFlow 和 PyTorch 两版本）

用于执行情境化主题建模的 python 套件。CTM 将情境化嵌入（例如 BERT）与主题模型结合以获得连贯的主题。发表于 EACL 与 ACL 2021 (Bianchi 等人)。

适用于 Rust、最精确的自然语言检测库，适用于短文本与混合语言文本

从基础开始深入探讨嵌入 (embeddings)

Python AI 助手 🧠

欢迎来到数据科学电子书库！此合集提供各种高质量的数据科学、机器学习与 AI 电子书。无论是初学者还是进阶学习者都非常适合，快来探索这些资源以深化您的知识与技能。

Rasa UI 是 Rasa 框架的前端

skweak：应用于 NLP 任务的弱监督软件工具包

用于微调、消融与单元测试开源 LLM 的工具组。

我们推出了一款专为代码生成任务设计的新模型。它在 HumanEval 基础数据集上的测试准确度超越了 GPT-4 Turbo（2024年4月）与 GPT-4o。

精准医疗知识图谱 (PrimeKG)

适用于 Java 与 JVM、最准确的自然语言检测库，同时适用于长文本与短文本

基于 LLM / ChatGPT / OpenAI API 的扎根搜索引擎（即附带来源引用）。支持网络搜索、文件内容搜索等功能。

SpaCy 中文模型

与书籍对话 - 基于 GPT-3 构建

历年 ICLR 论文与开源项目合集，包含 ICLR2021、ICLR2022、ICLR2023、ICLR2024、ICLR2025。

Python NLP 的实作 NLTK 教程

包含情感分析及相关领域所需一切资源的仓库。

FashionCLIP 是一个针对时尚领域微调的类 CLIP 模型。

视觉语言病理学基础模型 - Nature Medicine

🌍 AppWorld: A Controllable World of Apps and People for Benchmarking Function Calling and Interactive Coding Agent, ACL'24 Best Resource Paper.