nlp-machine-learning

一個開源函式庫，用於深度學習端到端對話系統與聊天機器人。

一個開源 Prompt‑Learning 框架

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

MNBVC（Massive Never-ending BT Vast Chinese corpus）超大規模中文語料集。對標 chatGPT 訓練的 40T 數據。MNBVC 數據集不僅包括主流文化，也包括各個小眾文化甚至火星文的數據。MNBVC 數據集包含新聞、作文、小說、書籍、雜誌、論文、台詞、帖子、wiki、古詩、歌詞、商品介紹、笑話、糗事、聊天記錄等一切形式的純文本中文數據。

文本分類演算法綜述

Tika-Python 是 Apache Tika™ REST 服務的 Python 綁定，允許在 Python 社群中原生呼叫 Tika。

Go 語言中最準確的自然語言偵測函式庫，適用於短文字與混合語言文字

自然語言處理領域下的相關論文（附閱讀筆記），復現模型以及資料處理等（程式碼含 TensorFlow 和 PyTorch 兩版本）

用於執行情境化主題建模的 python 套件。CTM 將情境化嵌入（例如 BERT）與主題模型結合以獲得連貫的主題。發表於 EACL 與 ACL 2021 (Bianchi 等人)。

適用於 Rust、最精確的自然語言偵測庫，適用於短文字與混合語言文字

從基礎開始深入探討嵌入 (embeddings)

Python AI 助理 🧠

歡迎來到資料科學電子書庫！此合集提供各種高品質的資料科學、機器學習與 AI 電子書。無論是初學者還是進階學習者都非常適合，快來探索這些資源以深化您的知識與技能。

Rasa UI 是 Rasa 框架的前端

skweak：應用於 NLP 任務的弱監督軟體工具包

用於微調、消融與單元測試開源 LLM 的工具組。

我們推出了一款專為程式碼生成任務設計的新模型。它在 HumanEval 基礎資料集上的測試準確度超越了 GPT-4 Turbo（2024年4月）與 GPT-4o。

精準醫療知識圖譜 (PrimeKG)

適用於 Java 與 JVM、最準確的自然語言偵測函式庫，同時適用於長文本與短文本

基於 LLM / ChatGPT / OpenAI API 的接地搜尋引擎（即附帶來源參照）。支援網路搜尋、檔案內容搜尋等功能。

SpaCy 中文模型

與書籍對話 - 基於 GPT-3 構建

歷年 ICLR 論文與開源專案合集，包含 ICLR2021、ICLR2022、ICLR2023、ICLR2024、ICLR2025。

Python NLP 的實作 NLTK 教學

包含情感分析及相關領域所需一切資源的儲存庫。

FashionCLIP 是一個針對時尚領域微調的類 CLIP 模型。

視覺語言病理學基礎模型 - Nature Medicine

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