nlp

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

一個由 AI 驅動的個人識別資訊（PII）掃描器。

地球上最全的華語現代詩歌語料庫，3k+ 詩人，80K+ 詩歌，15M+ 字

用於最先進多語言問答研究與開發的主要儲存庫。

:clipboard: 用於 PubMed 開放存取 XML 子集與 MEDLINE XML 資料集的 Python 解析器

專門用於法律文字分析的精選資源、方法與工具列表。

在常數記憶體用量下，將現有 LLM 的長度大幅擴充套件至原始訓練長度之外，且無需重新訓練

PromptKG 家族：Prompt 學習與知識圖譜（KG）相關研究工作、工具包與論文列表的展示庫。

在 PyTorch 中簡單實現 OpenAI CLIP 模型

具備 8k 序列長度的 Salesforce 開源 LLM。

適用於 Linux 與 macOS 的日文輸入法系統，具備神經網路假名漢字轉換引擎

重新審視中文自然語言處理的預訓練模型（MacBERT）。

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。

VectorFlow 是一個高吞吐量的向量嵌入管線，能擷取原始資料、將其轉換為向量，並寫入您選擇的向量資料庫中。

基於自然語言理解與機器學習的聊天機器人，支援多用戶併發及自定義多輪對話

全端機器學習（ML）學習藍圖涵蓋成為機器學習各方面專家所需的技能與技術，包含資料收集與前處理、模型開發、部署與維護。

用於非結構化法律文字 NLP 的 spaCy 管道與模型。

:heavy_check_mark: 微信上的定時提醒 - Cron on WeChat

建構由 LLM 驅動的 Dart/Flutter 應用程式。

🔥 Rankify：用於檢索、重新排序與檢索增強生成（RAG）的全方位 Python 工具包 🔥。本工具包整合了 40 個預先檢索的基準資料集，並支援 7 種以上檢索技術、24 種以上最先進的 Reranking 模型以及多種 RAG 方法。

讓 Stanford Open Information Extraction 變得簡單！

用於臨床 NLP 的 spaCy 函式庫。

SpaCy 中文模型

Ekphrasis 是一個文字處理工具，專為來自 Twitter 或 Facebook 等社群網路的文字而設計。Ekphrasis 使用來自兩個大型語料庫（英文維基百科、Twitter - 3.3億條英文推文）的單字統計數據，執行標記化、單字正規化、單字分割（用於分割 hashtag）和拼字校正。

一個快速、輕量且易於使用的 Python 函式庫，用於將文字分割成具有語意意義的語塊。

現代化的拼字檢查函式庫 - 準確、快速、多語言支援。

使用 Python 在文字中尋找日期並傳回 datetime 物件

用於情感分析與社群 NLP 任務的 Python 多語言工具包

在 Obsidian 中使用 ChatGPT 快速格式化你的筆記