sentencepiece

无监督神经网络文本分词与去分词工具

SentencePiece 分词子词单元自然语言处理机器翻译 Github 开源项目

SentencePiece是一种用于神经网络文本生成系统的无监督分词工具。它支持多种子词算法,如BPE和unigram语言模型,可直接从原始文本训练。这个工具具有语言无关性,实现了子词正则化,运行速度快,占用资源少。SentencePiece能直接生成词汇ID序列,执行NFKC标准化,是一个完全端到端的系统,无需依赖特定语言的预处理或后处理。

访问官网

Github

Huggingface

介绍相关项目

NLP-Natural-Language-Processing - 全面的自然语言处理资源与工具库

GithubNatural Language Processing开源项目数据科学机器学习深度学习计算机视觉

提供全面的自然语言处理（NLP）资源，涵盖数据集、前沿技术、课程、书籍推荐、GitHub代码示例及流行工具。涉及数据分析、知识图谱、模型与算法、情感分析、主题建模等任务的详细资料与学习路径。了解最新NLP动态，探索自然语言处理的应用潜力。

text2text - 跨语言文本处理的综合工具包

GithubText2Text开源项目文本生成自然语言处理语言翻译跨语言模型

提供跨语言文本生成、翻译、嵌入和问答等功能的NLP工具包，支持百种语言。可在Google Colab平台免费运行，适用学术研究、企业应用和个性化开发。通过示例和快速入门指南，用户能快速掌握强大的多语言模型，高效处理文本。

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。

e5-small-unsupervised - 无监督预训练模型用于提升文本嵌入与句子相似度

E5-small-unsupervisedGithubHuggingface句子相似性句子转换器开源项目文本嵌入无监督学习模型

该无监督对比预训练模型通过弱监督方法进行预训练，无需人为标注，实现高效的句子相似度计算和信息检索。模型具备12层架构和384维嵌入空间，适用于MS-MARCO数据集等的查询与段落编码。输入文本需使用特定前缀（如“query:”与“passage:”）以求最佳效果。模型包含详细示例代码和训练细节，适用于BEIR和MTEB基准评价，支持英文文本，文本长度限制为512个标记。

UER-py - 自然语言处理的开源预训练工具包

BERTGithubNLP任务UER-py开源项目模型微调预训练模型

UER-py是一个为自然语言处理任务设计的预训练和微调工具包，支持多种预训练模型以优化下游任务表现。项目强调模块化设计，并提供可扩展接口，支持单GPU及多GPU配置。

jieba-rs - 使用 Rust 实现的中文分词库

GithubRustjieba-rs中文分词库开源项目性能优化

jieba-rs 是一个用 Rust 编写的中文分词库，提供快速和准确的分词功能。使用方法简单，通过添加到 Cargo.toml 即可使用。支持 TF-IDF 和 TextRank 关键字提取等功能，性能优异，比 cppjieba 快 33%。适用于多种开发环境，包括 NodeJS、PHP、Python 和 WebAssembly。

sat-3l-sm - 基于Transformer的多语言句子分割模型

GithubHuggingfaceTransformerwtpsplit分词多语言开源项目模型自然语言处理

sat-3l-sm是一个基于3层Transformer架构的句子分割模型，支持80种语言的文本分段。作为wtpsplit库的核心组件，该模型采用MIT许可证开源。sat-3l-sm源于'Segment any Text'研究，为自然语言处理提供准确的句子边界检测功能。

bert_score - 先进的自然语言生成评估工具

BERTScoreGithub开源项目文本生成评估机器学习自然语言处理预训练模型

BERTScore是一种创新的自然语言生成评估工具，基于BERT预训练模型的上下文嵌入技术。它通过计算候选句和参考句中单词的余弦相似度，得出精确度、召回率和F1分数。研究表明，BERTScore在句子级和系统级评估中与人工判断具有高度相关性。该项目支持130多种预训练模型，适用于多种语言的文本生成评估。BERTScore提供Python接口和命令行工具，操作简便，是自然语言处理领域的有力辅助工具。

MiniLM-L6-Keyword-Extraction - 高效句子嵌入模型，用于语义搜索与信息聚类

GithubHuggingFaceHuggingfacesentence-transformers句子相似性对比学习开源项目模型语义搜索

此项目通过自监督对比学习，训练出可将句子和段落转化为384维向量的模型，适用于语义搜索、信息检索和句子相似度任务。模型基于1B句子对数据集微调，利用TPU v3-8进行训练，并在Hugging Face社区活动期间开发。用户可使用sentence-transformers或HuggingFace Transformers实现多种自然语言处理应用。

text2vec-base-chinese-paraphrase - 中文语义匹配模型实现句子和段落的向量表示

CoSENTGithubHuggingfaceernie-3.0-base-zhtext2vec句子嵌入开源项目模型语义匹配

text2vec-base-chinese-paraphrase模型采用CoSENT方法训练，将句子映射至768维向量空间。该模型在中文自然语言推理测试中表现出色，适用于句子嵌入、文本匹配和语义搜索等任务。它基于ERNIE 3.0模型微调，使用精选中文STS数据集训练，尤其擅长句子与段落间的语义匹配。模型支持最大256个token的输入，为中文文本处理提供了高效的语义表示工具。

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