nlp

快速且可定制的自动创建 ML 模型框架 (AutoML)

数据科学家用来规模化、评估与维护自然语言数据的开源首选。将训练数据视同软件构件来对待。

🪐 从原型到生产环境的端到端 NLP 工作流程

预训练中文 ELECTRA 模型

Obsei 是一个低代码的 AI 驱动自动化工具。可用于社交聆听、基于 AI 的警报、品牌形象分析、比较研究等各种业务流程。

适用于浏览器与 Node.js、具备持久化与网络强韧性的全文检索库

波斯语自然语言处理（NLP）工具包

韩语 BERT 预训练区分大小写模型 (KoBERT)

Tribuo - 一个 Java 机器学习库

一个多语言对话语料库

🛸 在 spaCy 中使用预训练的 transformer，如 BERT、XLNet 和 GPT-2

🦙 将 LLM 整合至结构化 NLP 流水线中

自然语言生成多种无监督自动化指标的评估代码

对开发者友好的自然语言处理 ✨

"结巴"中文分词：做最好的 PHP 中文分词、中文断词组件。

我为学术、自学和业余目的完成的数据科学项目作品集。

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

土耳其语的 NLP 工具。

解决基本的俄语 NLP 任务，提供底层 Natasha 项目的 API

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）

一个优雅的 transformers 的 PyTorch 实现

用于预测所有 3 个 Jigsaw Toxic Comment 挑战赛中有毒评论的训练模型与代码。使用 ⚡ Pytorch Lightning 与 🤗 Transformers 构建。如需存取我们的 API，请发送电子邮件至 contact@unitary.ai。

Transformers4Rec 是一个灵活且高效的序列与基于会话的推荐库，可与 PyTorch 搭配使用。

🎓 系统性大语言模型构建课程｜🛠️ 涵盖预训练数据工程、Tokenizer、Transformer、MoE、GPU 编程 (CUDA/Triton)、分布式训练、Scaling Laws、推理优化及对齐 (SFT/RLHF/GRPO)｜🚀 6 个渐进式作业 + 代码驱动，建立 LLM 全栈认知体系

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)。

ktrain 是一个让深度学习与 AI 更亲民、更容易应用的 Python 库

使用差分进化算法在 Cifar10 和 ImageNet 上实现《欺骗深度神经网络的单像素攻击》的 Keras 版本

基于字节对编码（BPE）的 275 种语言预训练子词嵌入

Taranis AI 是一个先进的开源情报 (OSINT) 工具，利用人工智能革新信息收集与态势分析。

用于理解深度学习的视频、笔记与实验。