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. wiki-relations:Wikipedia文章分析器，它使用NLP提取人与人之间的关系并构建知识图-源码

  2. 维基关系 Wiki Relations是一个旨在从Wikipedia文章中提取信息并将这些信息显示在关系图中的项目。 如何运行项目 先决条件 码头工人 Docker撰写 要运行项目，只需在项目的根文件夹中运行以下命令： docker-compose up -d --build 它是如何工作的 用户提交他们希望为其建立关系图的名称 发布请求将以该名称发送到后端 在Wikipedia中搜索该名称的顶部结果 整理文本并将其分成较小的块 对于每个这样的文本块，请运行自然语言处理规则并提取关系（例如s

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：371712
    • 提供者：weixin_42144201

  1. Movie_Reviews_Classification:使用情感分析将电影评论分为正面还是负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：624640
    • 提供者：weixin_42131414

  1. Movie-review-classification:使用python中的情感分析库将IMDb电影评论分为正面或负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：7168
    • 提供者：weixin_42101641

  1. transformers_rda-源码

  2. PyTorch和TensorFlow 2.0的最新自然语言处理 :hugging_face: 变形金刚提供了数千种经过预训练的模型，可以对100多种语言的文本执行任务，例如分类，信息提取，问题解答，摘要，翻译，文本生成等。 其目的是使尖端的NLP易于所有人使用。 :hugging_face: Transformers提供了API，可以在给定的文本上快速下载和使用那些经过预训练的模型，在您自己的数据集上对其进行微调，然后在我们的上与社区共享。 同时，每个定义架构的python模块都可以独立使

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：8388608
    • 提供者：weixin_42133753

  1. 专家-源码

  2. 专家律师 灵感 法律写作是普通人理解的最复杂，最含糊的语言之一，获得法律帮助可能是一项艰巨的经历。 ： 它的作用我们创建了一个聊天机器人，可以回答您所有与法律有关的问题，他可以理解自然语言，这使您可以轻松地找到可信赖的答案，而无需处理法律的复杂性 我们如何建造 使用Expert.ai，我们已经能够从文档和用户中提取各种信息。 用户将能够使用自然语言语音或文本进行身份验证并提出问题，然后通过与用户进行个性化对话，使用Expert.ai和Raza提取意图：通过这种类型的交流，可以更好地理解用户的法

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：8192
    • 提供者：weixin_42129412

  1. Python自然语言处理-从文本提取信息

  2. 回答下列问题：　　（１）如何能构建一个系统，以至从非结构化文本中提取结构化数据？　　（２）有哪些稳健的方法识别一个文本描述的实体和关系？　　（３）哪些语料库适合这项工作，如何使用它们来训练和评估模型？信息有很多种”形状“和”大小“，一个重要的形式是结构化数据：实体和关系的规范和可预测的组织。例如：我们可能对公司和地点之间的关系，可用关系数据库存储。但如果我们尝试从文本中获得相似的信息，事情就比较麻烦了。如何从一段文字中发现一个实体和关系的表呢？然后，利用强大的查询工具，如ＳＱＬ，这种从文本获取意

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：220160
    • 提供者：weixin_38733597

  1. 个人项目-源码

  2. 个人项目 从基本python到数据清理再到分类再到生成图像以及对图像和接下来的单词进行分类。 该存储库包含小型项目，该小型项目已包含所有上述领域的小型实现。 这进一步加强了对 自然语言处理和深度学习 情感分析-情感分析是指使用自然语言处理，文本分析，计算语言学和生物统计学来系统地识别，提取，量化和研究情感状态和主观信息 文本摘要-自动摘要是一种在计算上缩短一组数据的过程，以创建一个表示原始内容中最重要或相关信息的子集。 除了文本之外，还可以总结图像和视频。 文本分析（数据清理和可视化）-一种

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：41943040
    • 提供者：weixin_42133969

  1. 自然语言处理基础知识：使用Python和NLTK构建自己的文本分类器并解决常见的NLP问题-源码

  2. 自然语言处理基础 如果NLP不是您的强项，那么“自然语言处理基础知识”将确保您开始一个稳定的起点。 这份全面的指南将向您展示如何有效地使用Python库和NLP概念来解决各种问题。 通过示例和练习，您将了解自然语言处理及其应用。 随后将介绍解决问题的初始阶段，其中包括问题定义，获取文本数据并准备进行建模。 通过接触高级自然语言处理算法和可视化技术等概念，您将学习如何创建可以从非结构化数据中提取信息并将其呈现为有影响力的视觉效果的应用程序。 尽管您将继续学习基于NLP的技术，但是重点将逐渐转移到开

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：380633088
    • 提供者：weixin_42112894

  1. textacy：NLP，spaCy之前和之后-源码

  2. textacy：NLP，spaCy之前和之后 textacy是一个基于高性能spaCy库的Python库，用于执行各种自然语言处理（NLP）任务。 通过将基础知识-令牌化，词性标记，依赖项解析等-委托给另一个库， textacy主要关注于之前和之后的任务。 产品特点 通过用于处理一个或多个文档的便捷方法访问spaCy，并通过自定义扩展名和自动语言识别扩展其功能，从而为文本应用正确的spaCy管道 下载包含文本内容和元数据的数据集，从国会演讲到历史文献再到Reddit评论 轻松以多种常用格式在磁盘

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：319488
    • 提供者：weixin_42099176

  1. 变形金刚：:hugging_face:变形金刚：Pytorch和TensorFlow 2.0的最新自然语言处理-源码

  2. PyTorch和TensorFlow 2.0的最新自然语言处理 :hugging_face: 变形金刚提供了数千种经过预训练的模型，可以对文本执行多种任务，例如100多种语言的分类，信息提取，问题解答，摘要，翻译，文本生成等。 其目的是使尖端的NLP易于所有人使用。 :hugging_face: Transformers提供了API，可在给定的文本上快速下载和使用那些经过预训练的模型，在您自己的数据集上对其进行微调，然后在我们的上与社区共享。 同时，每个定义架构的python模块都可以独立

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：7340032
    • 提供者：weixin_42173205

  1. Python自然语言处理-从文本提取信息

  2. 回答下列问题： 　　（１）如何能构建一个系统，以至从非结构化文本中提取结构化数据？ 　　（２）有哪些稳健的方法识别一个文本描述的实体和关系？ 　　（３）哪些语料库适合这项工作，如何使用它们来训练和评估模型？ 信息有很多种”形状“和”大小“，一个重要的形式是结构化数据：实体和关系的规范和可预测的组织。例如：我们可能对公司和地点之间的关系，可用关系数据库存储。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：194560
    • 提供者：weixin_38593701