Logo
Project Icon

gse

多语言高效NLP和文本分词工具

gse多语言支持分词算法NLPGo语言Github开源项目

Gse是一款支持多种分词模式及多语言（包括英文、中文、日文等）的高效NLP和文本分词工具。它采用双数组Trie和动态规划等算法，并通过ElasticSearch和Bleve集成，提供强大的文本处理能力。项目内还支持TensorFlow的NLP和命名实体识别（NER）功能，支持用户自定义词典和词性标注。作为一个开源项目，Gse在简体中文、传统中文和其他语言的文本处理上有优异表现。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
sgpt - 提升语义搜索精准度的句嵌入GPT模型
GithubSGPT交叉编码器双编码器对比微调开源项目语义搜索
SGPT项目通过改进GPT模型，提供了高效的语义搜索解决方案。该项目支持对称和非对称搜索，使得句子嵌入更具语义意义。新发布的GRIT模型在同一结构下融合了多种编码器，性能更佳。欢迎访问GitHub，了解详细信息和获取预训练模型。
CodeGeeX2 - 多语言代码生成模型显著提升开发效率
AI编程助手CodeGeeX2Github代码生成多语言开源项目量化推理
CodeGeeX2是基于ChatGLM2架构的多语言代码生成模型，经600B代码数据预训练。支持超过100种编程语言，在多项指标上性能显著提升。模型具备代码补全、解释、翻译等功能，可显著提高开发效率。CodeGeeX2开放学术研究使用，商用需申请授权。
language - 谷歌语言研究团队开源项目汇集平台
GithubGoogle Research开源项目研究团队自然语言处理语言研究
Google Research Language团队的开源项目共享平台汇集了谷歌语言研究领域的最新成果。该平台为研究者和开发者提供自然语言处理、机器翻译等前沿语言技术资源。项目采用开源模式，促进了语言技术领域的协作与创新。作为非官方谷歌产品，这一平台为语言技术爱好者提供了宝贵的学习和实践机会。
opennlp - Apache OpenNLP：优化您的自然语言处理任务的顶级工具
Apache OpenNLPGithubJava开源项目机器学习模型自然语言处理
Apache OpenNLP是一个用Java编写的机器学习工具包，用于自然语言处理，支持分词、句子分割、词性标注、命名实体识别、块解析、语法分析、共指解析和语言检测等任务。项目旨在提供成熟的NLP工具，并提供多语言预训练模型和注释资源。OpenNLP可以通过Java API或命令行使用，易于集成到如Apache Flink、Apache NiFi、Apache Spark等分布式处理管道中。
Tokenizer - 跨平台BPE编码实现
C#GithubOpenAITokenizationTokenizerTypescript开源项目
该项目提供了TypeScript和C#版的字节对编码(BPE)tokenizer，主要用于OpenAI LLMs，并基于开源的Rust实现。适用于Node.js和.NET环境，在传递提示词给LLM前进行tokenization处理。建议C#用户从Microsoft.DeepDev.TokenizerLib迁移至性能更优的Microsoft.ML.Tokenizers。欢迎开发者贡献代码和意见。
gpt-tokenizer - 支持OpenAI模型的TypeScript文本编码器
GithubOpenAITypeScriptgpt-tokenizer开源项目编码器解码器
gpt-tokenizer现作为最完整的开源GPT编解码器，使用TypeScript编写，完全兼容现代JavaScript环境。支持所有OpenAI模型（如GPT-2、GPT-3、GPT-4等），特性包括异步流解码、防内存泄漏、高性能token限制检测以及生成器函数操作。此工具在无全局缓存的情况下，更加高效并且安全。
bge-small-en-v1.5 - 轻量级高性能英语句子嵌入模型
GithubHuggingfacesentence-transformers开源项目文本分类模型聚类自然语言处理语义相似度
BGE-small-en-v1.5是一款轻量级英语句子嵌入模型，在文本分类、检索、聚类和语义相似度等多项NLP任务中表现出色。该模型在MTEB基准测试中展现了优异性能，同时保持了较小的模型规模，适合需要高效句子向量化的应用场景。模型在MTEB评估中的多项任务上表现突出，包括亚马逊评论分类、ArguAna论点检索和BIOSSES生物医学语义相似度等，为各类NLP应用提供了高效的句子向量化解决方案。
tesseract - 开源OCR引擎 多语言文字识别解决方案
GithubTesseract OCR光学字符识别图像处理多语言支持开源软件开源项目
Tesseract是一款开源的光学字符识别(OCR)引擎，支持超过100种语言识别和多种图像格式处理。项目包含OCR引擎libtesseract和命令行工具tesseract。最新版本Tesseract 4引入基于神经网络的OCR引擎，专注于行识别，同时保留了传统的字符模式识别功能。Tesseract支持Unicode，可输出多种格式如纯文本、PDF等，并可通过训练扩展语言识别能力。
small - 开源中文自然语言处理平台
GithubHuggingfaceLTP中文分词命名实体识别开源项目模型自然语言处理词性标注
LTP是哈工大开发的开源中文自然语言处理平台，提供分词、词性标注、命名实体识别等功能。支持Python和Rust接口，最新版本结合深度学习和感知机算法，显著提升处理速度。LTP支持用户自定义训练，在学术和工业领域广泛应用，是中文NLP研究与应用的重要工具。
相关项目
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。

使用协议隐私政策广告服务
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