注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习命名实体识别数据

  2. 资源是关于利用BERT模型来训练命名实体识别的数据，其中包括训练，测试，预测用的数据，结合唐老师的历程和github 代码实现

  3. 所属分类：深度学习

    • 发布日期：2020-12-01
    • 文件大小：1048576
    • 提供者：weixin_41956783

  1. 医疗领域命名实体识别源码

  2. 包含传统的基于统计模型(CRF)和基于深度学习(Embedding-Bi-LSTM-CRF)下的医疗数据命名实体识别

  3. 所属分类：深度学习

    • 发布日期：2021-01-01
    • 文件大小：244318208
    • 提供者：bruce__ray

  1. pseudo_app:Etalab的实验室IA假名演示源代码-ps source code

  2. 伪App 该演示应用程序是的文档假名化工作的一部分。 其他实验室IA项目可以在发现 。 项目状态：[有效] 简介/目标 此存储库的目的是为我们开发的假名化工具提供快速演示。 假名化项目的更大目标是根据法律要求，帮助法国的Conseil d'État法院向公众公开其司法裁决。 有关假名和该项目的更多信息，请参见的法语假名指南。 在该网站的后面，有一个API可以完成文本标记和假名的工作。 使用方法 自然语言处理：信息提取：命名实体识别 自然语言处理：语言建模/特征学习：单词嵌入 机器学习：深度学习

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：82944
    • 提供者：weixin_42118770

  1. PersonalProjects-源码

  2. 数据科学组合 包含我为学术，自学和业余爱好而完成的数据科学项目组合的存储库。 以iPython Notebooks的形式呈现。 内容 机器学习 线性回归： 逻辑回归： 决策树和随机森林： 支持向量机： K均值聚类： 主成分分析： 推荐系统： 工具：scikit-learn，Pandas，Seaborn，Matplotlib 自然语言处理 垃圾邮件检测： 文字分类： 情绪分析： 自动改正： 自动补全： 深度神经网络的情感分析： 命名实体识别： 重复问题的识别： 神经机器翻译： 文字摘要： 问题回

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：98304
    • 提供者：weixin_42108054

  1. Medical-text-zero-watermarking-scheme-based-on-named-entity-recognition-源码

  2. MedicalNamedEntityRecognition CCKS2017中文名称为医学命名实体识别工具，使用带有字符嵌入的双向lstm和crf模型。数据样本（一般醒目，出院情况，病史情况，病史特点，诊疗经过）与转换版本，训练脚本，预训练模型，可用于序列标注研究。把玩和PK使用。 项目介绍 电子病历结构化是让计算机理解病历，应用病历的基础。基于对病历的结构化，可以计算出症状，疾病，药品，检查检验等多个知识点之间的关系及其概率，并构成医疗领域的知识图谱，进一步优化医生的工作。 CCKS2018

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：50176
    • 提供者：weixin_42143092

  1. 前列腺癌段-源码

  2. 暴风雨 该存储库提供了用于训练神经网络的管道。 使用的主要框架： 管道的主要思想： 所有参数和模块都在配置中定义； 事先为不同的优化器/调度器等准备配置，因此很容易在它们之间进行切换； 有用于不同深度学习任务的模板。 当前，支持图像分类和命名实体识别。 运行管道的示例：这将在MNIST上进行训练（将下载数据）： >>> python train.py --config-name mnist_config model.encoder.params.to_one_ch

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：93184
    • 提供者：weixin_42144086

  1. torchnlp：基于PyTorch和TorchText构建的易于使用的NLP库-源码

  2. 火炬手 TorchNLP是用于NLP任务的深度学习库。 它基于PyTorch和TorchText构建，旨在提供可跨任务使用的可重用组件。 当前，它可以用于具有双向LSTM CRF模型和Transformer网络模型的命名实体识别（NER）和分块任务。 它可以支持使用任何数据集。 不久将添加更多任务 高水平的工作流程 定义NLP任务 扩展Model类并实现forward()和loss()方法以分别返回预测和损失 使用HParams类轻松定义模型的超参数 使用 API定义一个数据函数以返回数据集迭代

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42117622

  1. Chatito：using使用简单的DSL生成AI聊天机器人，NLP任务，命名实体识别或文本分类模型的数据集！-源码

  2. Chatito 总览 Chatito可帮助您使用简单的DSL生成用于训练和验证chatbot模型的数据集。 如果要使用商业模型，开源框架或编写自己的自然语言处理模型来构建聊天机器人，则需要培训和测试示例。 Chatito在这里为您提供帮助。 该项目包含： 聊天语言 有关完整的语言规范和文档，请参考。 提示 防止过度拟合 如果我们正确使用Chatito，则可以避免过度的问题。 该工具背后的思想是在数据扩充和可能的句子组合的描述之间有一个交集。 它不打算生成可能适合单个句子模型的确定性数据集

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：350208
    • 提供者：weixin_42166918

  1. 海底：海底-越南NLP工具包-源码

  2. 开源越南自然语言处理工具包 Underthesea是： :water_wave: 越南语NLP工具包。 Underthesea是一套开源Python模块数据集和教程，支持研究和开发。 我们提供了极其简单的API，可将经过预训练的NLP模型快速应用于越南语文本，例如分词，词性标记（PoS），命名实体识别（NER），文本分类和依存关系分析。 :water_wave: 一个Pytorch库。 Underthesea得到最流行的深度学习库之一，可以轻松地训练您的深度学习模型并使用Underthe

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：7340032
    • 提供者：weixin_42161450

  1. chatbot-源码

  2. 聊天机器人 系统中主要使用三种算法，它们分别是：•自然语言处理（NLP）算法自然语言处理（NLP）是人工智能的一个领域，其中计算机以智能且有用的方式分析，理解并从人类语言中获取含义。方法。 通过利用NLP，开发人员可以组织和构造知识来执行诸如自动摘要，翻译，命名实体识别，关系提取，情感分析，语音识别和主题细分之类的任务。 我们使用此算法清除数据。 它将句子标记为单词。 然后，它从句子中删除停用词和特殊字符，从而使处理变得容易。 •长短期记忆（LSTM），这是一种在深度学习领域中使用的人工递归神

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：3145728
    • 提供者：weixin_42146086