nlp

💥 直接在 spaCy 中使用最新的 Stanza (StanfordNLP) 研究模型

一个由 AI 驱动的个人识别信息（PII）扫描器。

地球上最全的华语现代诗歌语料库，3k+ 诗人，80K+ 诗歌，15M+ 字

用于最先进多语言问答研究与开发的主要仓库。

:clipboard: 用于 PubMed 开放获取 XML 子集与 MEDLINE XML 数据集的 Python 解析器

在常数内存用量下，将现有 LLM 的长度大幅扩展至原始训练长度之外，且无需重新训练

专门用于法律文本分析的精选资源、方法与工具列表。

PromptKG 家族：Prompt 学习与知识图谱（KG）相关研究工作、工具包与论文列表的展示库。

具备 8k 序列长度的 Salesforce 开源 LLM。

在 PyTorch 中简单实现 OpenAI CLIP 模型

重新审视中文自然语言处理的预训练模型（MacBERT）。

适用于 Linux 与 macOS 的日语输入法系统，具备神经网络假名汉字转换引擎

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。

VectorFlow 是一个高吞吐量的向量嵌入管道，能获取原始数据、将其转换为向量，并写入您选择的向量数据库中。

基于自然语言理解与机器学习的聊天机器人，支持多用户并发及自定义多轮对话

全端机器学习（ML）路线图涵盖成为机器学习各方面专家所需的技能与技术，包含数据收集与预处理、模型开发、部署与维护。

用于非结构化法律文本 NLP 的 spaCy 管道与模型。

:heavy_check_mark: 微信上的定时提醒 - Cron on WeChat

构建由 LLM 驱动的 Dart/Flutter 应用程序。

🔥 Rankify：用于检索、重新排序与检索增强生成（RAG）的全方位 Python 工具包 🔥。本工具包整合了 40 个预先检索的基准数据集，并支持 7 种以上检索技术、24 种以上最先进的 Reranking 模型以及多种 RAG 方法。

让 Stanford Open Information Extraction 变得简单！

用于临床 NLP 的 spaCy 库。

Ekphrasis 是一个文本处理工具，专为来自 Twitter 或 Facebook 等社交网络的文本而设计。Ekphrasis 使用来自两个大型语料库（英文维基百科、Twitter - 3.3亿条英文推文）的单词统计数据，执行标记化、单词规范化、单词分割（用于分割 hashtag）和拼写校正。

SpaCy 中文模型

一个快速、轻量且易于使用的 Python 库，用于将文本分割成具有语义意义的语块。

现代化的拼写检查库 - 准确、快速、多语言支持。

使用 Python 在文本中寻找日期并返回 datetime 对象

用于情感分析与社群 NLP 任务的 Python 多语言工具包

在 Obsidian 中使用 ChatGPT 快速格式化你的笔记