Project Icon

fundus

轻量级Python新闻爬虫库

Fundus是一个开源的Python新闻爬虫库,支持从在线网站和CC-NEWS数据集抓取文章。它覆盖多个英语新闻源,包括美英主要出版商。Fundus的文本提取精度高,F1分数达97.69。该工具使用简单,支持自定义过滤,并鼓励社区贡献。Fundus适用于新闻分析、媒体监测、学术研究等领域,为用户提供高质量的新闻数据采集解决方案。

AutoCrawler - 高效多进程图片爬虫工具
AutoCrawlerGithubGoogleNaver图像爬虫多线程开源项目
AutoCrawler是一个多进程图片爬取工具,支持从Google和Naver高效获取高质量图片,且可根据需求自定义参数。用户需安装Chrome浏览器,设置搜索关键词并运行主程序,下载的图片将存储在指定目录。项目功能包括全分辨率下载、数据不平衡检测和SSH远程爬取,并允许通过修改脚本进行个性化定制。提供详细的使用说明,适合需要批量下载高质量图片的用户。
functime - 高性能时间序列机器学习Python库
GithubPolarsPython库全局预测开源项目时间序列机器学习特征提取
functime是一个面向大规模时间序列数据分析的Python库,提供高效的全局预测和特征提取功能。它支持时间序列预处理、交叉验证和性能评估,通过惰性Polars变换实现优化。该库能快速处理海量时间序列,支持外生特征和自动化调优,并集成LLM代理用于预测分析,适用于各种机器学习和数据分析任务。
tldrstory - 故事标题与内容的语义搜索与动态分类工具
AIFastAPIGithubStreamlittldrstorytxtai开源项目
tldrstory是一款适用于新闻标题和文章内容的语义搜索工具,支持通过零样本标签实现动态分类,并利用txtai索引进行文本相似度搜索。该工具包含可定制的Streamlit应用和FastAPI后端服务,方便用户审查和分析处理的数据。示例应用包括移动科技新闻和体育新闻。支持通过pip、PyPI或直接从GitHub安装,兼容Python 3.8+,并支持配置RSS和Reddit API等多种数据源,实现自定义数据源读取和内容索引,满足多种新闻和文章分类需求。
textract - 多格式文档文本提取工具
GithubPython库textract开源项目文本提取文档处理
textract是一个开源文本提取工具,支持从多种格式文档(如PDF、Word、Excel等)中提取文本。该项目最初由Dean Malmgren创建,现由Jazzband社区维护。textract提供简单接口,具备全面的文档支持,旨在简化文本提取流程。它适用于需要从不同类型文档中批量提取文本的场景,为用户提供高效的文本提取解决方案。
sumy - 简易文本摘要提取和评估工具,支持多种语言
GithubPythonsumy命令行工具开源项目文本总结自动摘要
Sumy是一款简单的文本摘要提取工具,支持多种语言和评估方法。通过Python和pip即可安装,用户可在命令行或浏览器中使用,Python API便于集成项目,还支持容器化运行,满足多种使用需求。
chug - 多模态数据训练的高效开源库
Chugging DataGithubHugging Face datasetswebdataset多模态数据训练开源项目数据处理库
chug是一个面向多模态数据训练的开源库,集成了webdataset和Hugging Face datasets的高效数据处理流程。它支持图像、文档和文本任务,提供实时PDF解码、灵活数据加载和预处理功能,并为文档阅读、视觉问答等任务设计了专用管道。尽管处于alpha阶段,chug已在多个PDF数据集上测试,可为大规模多模态模型训练提供有力支持。
fusilli - 多模态数据融合Python库 支持机器学习任务
GithubPyTorchfusilli多模态数据融合开源项目数据分析机器学习
fusilli是一个多模态数据融合Python库,支持表格-表格和表格-图像融合,适用于回归、二分类和多分类任务。基于PyTorch Lightning和PyTorch Geometric构建,提供平台比较不同融合方法。能有效结合血液检测和神经影像等数据类型,用于疾病预测等应用。为研究人员和开发者提供便捷工具,探索多模态数据融合技术。
twikit - Twitter爬虫工具 无需API密钥实现多种功能
GithubPython库TwikitTwitter API开源项目无需API密钥爬虫
Twikit是一个功能丰富的Twitter爬虫库,无需API密钥即可实现发推、搜索推文等操作。该库支持上传媒体、搜索最新推文、获取用户推文和热门话题等功能,完全免费使用。Twikit采用异步设计,操作简便,适合开发Twitter机器人和数据分析工具。项目在GitHub上持续更新,开源社区可贡献代码和反馈问题。
conllu - Python库简化CoNLL-U格式解析和处理
CoNLL-UGithubPython依赖树开源项目自然语言处理解析
CoNLL-U Parser是一个用于解析CoNLL-U格式字符串的Python库。该库无外部依赖,支持类型提示,测试覆盖率达100%。它提供parse()和parse_tree()两种方法,可将数据解析为列表或树结构。库还支持元数据解析、自定义字段处理和序列化,使CoNLL-U格式处理更加便捷。
docs-scraper - 文档网站爬虫工具 为Meilisearch生成搜索索引
GithubMeilisearch全文检索开源搜索引擎开源项目文档搜索网站爬虫
docs-scraper是一款为文档网站设计的爬虫工具,可将爬取内容索引到Meilisearch中。支持自定义配置文件定义爬取范围和选择器,适应不同文档结构。提供Docker部署和GitHub Action集成,易于整合现有工作流。使用docs-scraper可快速为文档网站构建高效搜索功能。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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