Project Icon

tidytext

应用整洁数据原则的R文本挖掘工具包

tidytext是一个基于R语言的文本挖掘工具包,运用整洁数据原则简化文本分析流程。它提供文本格式转换函数,实现与其他文本挖掘包的兼容。支持词频统计、情感分析和主题建模等任务,可与dplyr、ggplot2等R包集成使用。tidytext通过标准化和简化流程,提高了文本分析的效率和一致性。

Parsr - 清理和解析文档,生成结构化数据
APIDockerGithubParsr开源项目数据解析文档处理
Parsr是一款轻量级的文档清理、解析和提取工具,支持图像、PDF、DOCX和EML格式。能够生成JSON、Markdown、CSV/Pandas DF或TXT格式的数据,为分析师、数据科学家和开发者提供结构化的标签信息集,可用于数据录入和文档分析自动化等应用。功能包括文档清理、层次结构重建、标题检测、表格、列表、目录、页码、页眉页脚和链接检测等。通过Docker镜像可以快速安装和运行,并提供GUI工具以可视化结果。
tensorflow - TensorFlow与R语言的深度学习框架集成
APIGithubR语言TensorFlow开源项目数据流图机器学习
TensorFlow for R是一个将TensorFlow深度学习框架集成到R语言环境的开源项目。它支持在R中构建和执行TensorFlow计算图,兼容CPU和GPU运算。该项目提供完整的TensorFlow API访问,并包含安装指南和使用文档。适合需要在R中进行机器学习和大规模数值计算的研究人员和数据科学家使用。
chatgpt - R语言的RStudio编码助手
API keyChatGPTGithubRStudioR语言chatgpt package开源项目
为RStudio用户提供全面的编码辅助功能,包括聊天、代码注释、变量命名和代码优化。帮助在R语言环境下高效编写和测试代码,解决常见问题并提升编程效率。需要配置API密钥,支持通过环境变量调整多种参数。
pytextrank - 基于图算法的Python自然语言处理与知识图谱工具
GithubPyTextRankspaCy图算法开源项目文本摘要自然语言处理
PyTextRank 是一个Python实现的TextRank算法库,作为spaCy管道扩展,专注于图形化自然语言处理和知识图谱应用。它支持短语提取、低成本抽取式摘要,方便将非结构化文本转化为结构化信息。
xts - R语言高性能时间序列数据处理扩展包
GithubR包xts开源项目数据处理时间序列金融数据
xts是R语言的时间序列扩展包,基于zoo类开发,提供高效的时间索引数据结构。它通过合理约束提升性能,保持简单灵活的使用体验。xts支持ISO-8601日期时间索引,具备强大的时间序列聚合和应用功能,广泛应用于金融分析等需要处理大量时间序列数据的领域。
TextDescriptives - 使用spaCy组件进行多维度文本分析
APIGithubPython库TextDescriptivesspaCy开源项目文本指标
TextDescriptives是一个基于Python的库,通过spaCy v.3管道组件和扩展计算多种文本指标。包括详细文档和Jupyter notebook教程,方便用户上手和使用功能。最新2.0版本引入全新API和组件,支持无代码提取指标的web应用。用户可设置不同参数快速提取文本指标,并将结果导出为Pandas DataFrame或字典。适合文本分析入门者,也为高级用户提供深度定制的选项。
datatrove - 用于大规模文本数据处理和去重的开源Python库
DataTroveGithub大规模开源项目数据处理文本去重管道
DataTrove是一个开源Python库,专门用于处理、过滤和去重大规模文本数据。它提供预构建的常用处理模块和自定义功能支持。该库的处理流程可在本地或Slurm集群上运行,具有低内存消耗和多步骤设计,适合处理大型语言模型训练数据等大规模工作负载。DataTrove支持多种文件系统,为数据处理提供灵活解决方案。
wink-nlp-utils - 轻量级自然语言处理工具集 简化文本预处理和分析
GithubNLP停用词分词句子边界检测开源项目文本处理
wink-nlp-utils是一个轻量级自然语言处理工具集,提供36多个实用函数。支持姓名提取、语料库生成、句子分割、分词和停用词移除等功能。适用于语义搜索和文本分类等任务的预处理,为开发人员提供简洁API。该项目是wink开源家族的一员,专注于文本预处理和分析,在npm上可用,具有完整的文档和测试覆盖率。支持Node.js环境。
text-dedup - 文本去重工具集,支持多种去重方法和大规模数据集处理
Bloom FilterGithubMinHashRETSimSimHashtext-dedup开源项目
项目提供一系列文本去重脚本,适用于各种场景,包括嵌入式去重(RETSim/UniSim)、适合大规模数据集的MinHash + MinHashLSH、64或128位SimHash、后缀数组子串去重、布隆过滤器和精确哈希去重等方法。项目支持高效处理大数据集并计划引入更多去重方法,如SuperMinHash和ProbMinHash等。用户可以根据需求来自定义脚本,灵活应用于不同的文本数据处理场景。
cleanlab - 开源工具自动检测和优化机器学习数据集
Githubcleanlab开源项目数据中心AI数据清理机器学习标签错误检测
cleanlab是一款开源的数据中心AI工具包,能够自动检测机器学习数据集中的标签错误、异常值和重复项等问题。该工具适用于图像、文本和表格等各类数据,并支持所有机器学习模型。除了发现数据问题,cleanlab还可以训练更稳健的模型,评估数据质量。基于可靠的理论基础,cleanlab运行高效,操作简便,是优化数据质量和提升模型性能的实用工具。
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