Project Icon

pycorrector

多模型中文文本纠错工具包,支持音形语法纠错

pycorrector是一个开源的中文文本纠错工具包,集成了多种模型如Kenlm、BERT、MacBERT等。该工具可纠正音似、形似、语法及专名错误,并支持自定义混淆集和专名词典。项目提供多个预训练模型,在SigHAN数据集上进行了评估。pycorrector适用于中文文本纠错的研究和实际应用场景。

pykaldi - Python 语音识别工具
GithubKaldiOpenFstPyKaldiPython开源项目语音识别
PyKaldi是一款Python脚本工具,为Kaldi语音识别工具包和OpenFst库提供了易用的Python包装器。它适用于语音识别研究人员和专业人士,可在Python中调用低级Kaldi函数、操作对象,并实现新工具。PyKaldi是对Kaldi的有力补充,其高层次的应用模块如ASR、对齐和分段,使大部分Python程序员都能上手。如果需要在Python中操控Kaldi和OpenFst对象,PyKaldi是一个理想的选择。
vocab-coverage - 中文语言模型识字率与词向量分布分析
BERTERNIEGithub中文认知开源项目词向量语言模型
该项目分析了多种语言模型的中文识字率与词向量分布情况,通过字符集分类和词向量空间分布的研究,了解模型在处理中文字符时的认知能力。涵盖了BERT、ERNIE、roBERTa等模型的对比,以及不同字符集的识字判定,为后续的模型评估和改进提供了参考。
text2vec - 多模型文本向量化工具,支持多语言文本匹配分析
BERTGithubText2vec开源项目文本向量化文本相似度模型训练
text2vec工具实现了多种文本向量表示和相似度计算模型,如Word2Vec、BERT、Sentence-BERT和CoSENT。最新版本增加了多卡推理和命令行工具,方便用户批量处理文本向量化。它在中英文测试集上的表现优秀,尤其新版中文匹配模型在短文本区分上有显著提升。该工具为中文和多语言文本匹配提供了丰富的支持,能够满足各种文本语义分析任务的需求。
contextualized-topic-models - 多语言支持的上下文话题模型工具,适用于零样本学习
BERTCombinedTMContextualized Topic ModelsGithubSBERTZeroShotTM开源项目
提供先进的上下文字话题模型工具,支持BERT等预训练语言模型,适用于多语言和零样本学习。CTM包含CombinedTM和ZeroShotTM两大主要模型,能适应不同任务需求。通过结合上下文嵌入和词袋模型,CTM能够生成更具连贯性的主题。项目还提供Kitty子模块用于人机交互文档分类,并附有详细教程和文档,帮助用户快速上手,提升话题建模效果。
lmppl - 使用预训练语言模型计算文本困惑度,提高语言模型评估
BARTGPT3GithubLM-PPLperplexitysentiment analysis开源项目
LM-PPL是一个Python库,用于计算文本困惑度,评估文本的流畅性和典型性。支持多种预训练语言模型,如GPT、BART、T5和BERT,简便安装,易于使用。用户可根据需求选择不同类型的语言模型并调整最大Token长度及批量大小,优化处理时间与准确性。
mergekit - 合并预训练语言模型的工具
GPT-NeoXGithubHugging FaceLlamamergekit开源项目模型融合
MergeKit是一款合并预训练语言模型的工具,支持Llama、Mistral、GPT-NeoX等多种模型。该工具采用先进的方法,在资源有限的情况下执行复杂的合并操作。MergeKit可以在CPU或最低8GB VRAM环境下运行,支持多种合并算法,如线性插值、任务算术、TIES等。还提供图形用户界面并集成到Hugging Face Spaces,简化了模型合并流程。
SmallLanguageModel-project - 自主构建完整的语言模型,从数据采集到训练一步到位
GithubPythonSmallLanguageModel依赖安装开源项目数据处理模型训练
该项目提供全面的构建语言模型指南,包括数据收集、预处理及模型训练。项目涵盖从数据采集到训练多种模型(如BERT、GPT、Seq-2-Seq)的全部必要工具和步骤。适用于Python 3.8及以上版本,通过详细的教程和文档帮助开发者高效实现模型训练与应用。
pycantonese - 适用于粤语NLP的Python库
GithubPyCantonese开源项目粤语语言学自然语言处理词性标注语料库
PyCantonese是一个专为粤语语言学和自然语言处理设计的Python库,具有语料库访问、粤拼转换、文本解析、分词和词性标注等功能。项目提供详细文档和快速入门,支持通过PyPI安装,并有活跃的社区持续优化。
hunspell - 开源多语言拼写检查和形态分析工具
GithubHunspell多语言支持开源软件开源项目拼写检查词形分析
Hunspell是一款开源的拼写检查和形态分析库及命令行工具,支持Unicode和复杂形态学处理。它提供高度可定制的拼写建议和词干提取功能,可处理复合词。Hunspell广泛应用于LibreOffice和Firefox等软件中,支持多种编程语言接口。该工具特别适用于形态丰富的语言,能够进行高效的拼写检查、纠错和词形变化分析。
character-bert - 字符级CNN构建的开放词汇表神经网络模型
CharacterBERTGithub开放词表开源项目神经网络自然语言处理词嵌入
CharacterBERT是BERT的一个变体,采用字符级CNN模块动态构建词表示,无需依赖预定义词片词汇表。这种方法可生成任意输入标记的表示,适用于医学等专业领域。与标准BERT相比,CharacterBERT生成词级上下文表示,对拼写错误更为鲁棒,且可轻松适应不同领域而无需重新训练词片词汇表。该模型在多个医学领域任务中表现优于BERT,提供更便捷实用的词级开放词汇表表示。
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