Project Icon

bible-corpus

多语言平行圣经语料库 助力自然语言处理研究

bible-corpus是一个多语言平行语料库项目,基于圣经翻译创建。该语料库包含近100种语言的对齐文本,可用于多种自然语言处理任务。通过书卷、章节和经文索引,实现了句子级别的对齐,并采用XML格式编码。项目提供tokenized版本和Python代码片段,方便研究人员和开发者使用这一丰富的语言资源。

tessdoc - 多语言支持的开源文字识别引擎
GithubOCRTesseract开源软件开源项目文字识别机器学习
Tesseract是一款功能强大的开源OCR引擎,支持100多种语言和35种以上的文字。它提供命令行和API接口,可从图像中精确提取文本。Tesseract采用LSTM神经网络技术,具有高度可定制性,并配备完善的训练测试工具。该引擎可跨平台使用,包括移动设备,为开发者提供了灵活的文字识别解决方案。
llm-hub - 全面了解先进语言模型在各领域的应用
GPT-3GithubLarge Language ModelsOpenAInatural language processing开源项目
这个存储库展示了GPT-3等先进语言模型在文本生成、搜索和问答领域的应用,提供详尽的教程和资源,帮助开发者构建自己的应用。无论是语言爱好者、机器学习研究者还是AI爱好者,这里是探索自然语言处理的理想平台。
DNABERT - DNABERT:用于基因组DNA语言处理的双向编码器模型
BERTDNABERTGPUGithub基因组开源项目预训练模型
DNABERT提供完整的源码、使用示例、预训练和微调模型,适用于各类基因组DNA语言处理任务。该项目利用Huggingface的扩展工具,增添了多任务支持和高效的可视化功能。最新版DNABERT-2不仅提升了多物种基因组的处理能力,还发布了全面的Genome Understanding Evaluation (GUE)基准测试,涵盖28个数据集。
wink-nlp - 高性能和高精度的JavaScript自然语言处理库
GithubJavaScriptwinkNLP开源项目文本分析自然语言处理高性能
这个JavaScript自然语言处理库优化了性能和精度,可显著提升NLP应用开发效率。它支持单词嵌入,代码无外部依赖,体积仅约10KB,并有近100%的测试覆盖率。主要功能包括多语言分词、句子边界检测、情感分析、词性标注和命名实体识别,适用于Node.js、浏览器和Deno环境。
spacy-stanza - 多语言自然语言处理工具,结合SpaCy和Stanza的强大功能
GithubStanzaspaCy处理管线开源项目模型自然语言处理
spacy-stanza 是一个包装 Stanza 库的软件,使得在 SpaCy 管道中使用斯坦福模型变得更加容易。其功能包括多语言词性标注、形态分析、词干提取和依存解析,支持68种语言,还为部分语言提供命名实体识别功能。用户可以通过下载预训练的 Stanza 模型,通过 spacy_stanza.load_pipeline() 加载并处理文本。这个工具还允许添加自定义组件,结合 SpaCy 的词汇属性、规则匹配和可视化功能,提供了强大的自然语言处理解决方案。
cltk - 古典语言自然语言处理工具包
CLTKGithubNLPPython古典语言开源项目自然语言处理
CLTK是一个用于古典语言的Python自然语言处理库,提供近20种古典语言的处理管道和模型。用户可以通过pip安装最新版本,同时提供详细的安装和开发文档,支持从源代码安装。该工具特别适用于处理历史语言的学者,填补了现有NLP框架在这一领域的空白。
RedPajama-Data - 开放大规模多语言数据集助力大型语言模型训练
GithubRedPajama-Data-v2大语言模型开放数据集开源项目数据质量自然语言处理
RedPajama-Data-v2是一个包含30万亿tokens的开放数据集,用于训练大型语言模型。该数据集涵盖了超过100B的文本文档,来源于84个CommonCrawl快照。它包含英语、德语、法语、意大利语和西班牙语5种语言的内容,并提供多种质量信号和去重处理。项目提供完整的数据处理流程,包括准备工件、计算质量信号和去重等步骤,为语言模型研究提供高质量的大规模语料资源。
Medical_NLP - 医疗行业自然语言处理资源汇总,包括评测、数据集和预训练模型
GithubMedical_NLP中文医疗基准测评开源项目开源预训练模型数据集评测
本页面汇总了最新的医疗自然语言处理资源,涵盖基准评测、比赛信息、多语言数据集、开源预训练模型、学术论文和工具包等内容。为研究人员和开发者提供一站式资源支持,以提升医疗NLP领域的研究深度和应用效果。
awesome-bioie - 免费工具和方法助力提取非结构化生物医学数据中的信息
BERTBioIEGithubLLMs开源项目生物医学数据自然语言处理
这个开源项目提供了一系列无需付费且许可要求低的资源,旨在从非结构化生物医学数据和文本中提取结构化信息。随着语言模型如BERT和GPT-4的引入,生物信息提取方法得到了显著优化。项目涵盖多个方面,包括研究概述、活跃群组、工具和数据集,所有资源均公开且积极维护。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号