UD_English-EWT

UD英语网络树库依存句法标注语料库

Universal Dependencies 语料库英语依存句法标注 Github 开源项目

UD英语网络树库包含254,820个单词和16,622个句子,涵盖博客、新闻组、电子邮件等多种网络文本。语料采用CoNLL-U格式,依存关系经人工校正,部分双重标注。该语料库遵循通用依存关系规范,为自然语言处理研究提供了高质量的英语语言资源。

文档

Awesome-LLMs-Datasets - 完整收录大型语言模型数据集的多维度分类概览

GithubLLMs数据集大语言模型开源项目指令微调数据集评估数据集预训练语料库

这个项目全面收集和分类了大型语言模型(LLM)数据集，包括预训练语料库、指令微调数据集、偏好数据集、评估数据集和传统NLP数据集五大类别。新增的内容涵盖多模态大语言模型数据集和检索增强生成数据集。项目统计了444个数据集的详细信息，覆盖8种语言和32个领域，为LLM研究提供了全面参考资源。

gte-large-en-v1.5 - 英语语义相似度模型用于文本分类和检索

GithubHuggingfacegte-large-en-v1.5分类开源项目情感分析检索模型聚类

gte-large-en-v1.5是一个英语语义相似度模型,在MTEB基准测试中表现优异。该模型在文本分类、检索和聚类等任务上成绩突出,尤其适用于亚马逊评论分类和问答检索等场景。基于Sentence-Transformers框架开发,gte-large-en-v1.5可应用于多种自然语言处理任务,为文本表示提供了有力支持。

bge-large-en - 英文句子嵌入模型在多种NLP任务中展现优异性能

GithubHuggingfacemteb向量检索开源项目机器学习模型模型评估自然语言处理

bge-large-en是一款英文句子嵌入模型，在MTEB基准测试中表现出色。该模型在文本分类、检索、聚类等多项自然语言处理任务中获得优异结果，尤其在亚马逊极性分类和Banking77分类等任务上表现突出。这个模型在MTEB基准测试的多个子任务中展现了优秀性能，包括亚马逊评论分类、问答检索、文本聚类等。值得注意的是，在亚马逊极性分类任务中，bge-large-en达到了91.94%的准确率，在Banking77分类任务中也取得了88%的准确率。这些结果表明该模型在多种文本处理场景中具有广泛的应用潜力。

Qwen2.5-14B-Instruct-GGUF - 多语言支持的大规模语言模型具备结构化数据处理能力

GithubHuggingfaceLM StudioQwen2.5多语言支持大语言模型开源项目模型量化模型

Qwen2.5-14B-Instruct-GGUF是一款多语言大规模语言模型，由Qwen团队开发。模型支持128k tokens长文本处理，经18T tokens训练，强化了结构化数据处理能力。支持中英法等29种以上语言。bartowski提供的GGUF量化版本基于llama.cpp，提高了模型部署效率。

text2sql-data - 自然语言转SQL转换系统的数据和代码

ACL 2018GithubSQL查询text2sql-data开源项目数据库模式数据集

此项目提供自然语言到SQL转换系统的数据和代码，包括注释变量的句子、SQL查询、数据库架构和数据库。涵盖多个领域，改进了现有数据集并开发了新数据集。项目强调数据质量并提供详细的数据集、系统和工具信息。使用数据时请引用相关ACL论文和原始来源，透明记录数据版本。

speech_dataset - 多语言语音识别与合成数据集详细介绍及应用

Github多人语音识别开源开源项目数据集语音合成语音识别

此页面总结了多语言语音数据集，包括中文、英文、日语、韩语、俄语等。涵盖了语音识别、语音合成、说话人识别和分离等应用领域，详细描述了每个数据集的时长、下载地址及其具体用途，帮助用户快速找到符合科研或项目需求的语音数据。

gte-Qwen2-7B-instruct - Qwen2架构驱动的多语言句子嵌入模型

GithubHuggingfaceMTEBQwen2句子相似度开源项目模型模型评估自然语言处理

gte-Qwen2-7B-instruct是基于Qwen2架构开发的多语言句子嵌入模型。在MTEB基准测试中,该模型在句子相似度、文本分类和信息检索等任务上表现出色。它支持多语言处理,能有效完成跨语言文本理解,为自然语言处理应用提供强大的语义表示能力。

multiwoz - 大规模多领域任务型对话数据集

GithubMultiWOZ任务型对话对话状态追踪对话生成开源项目数据集

MultiWOZ是一个包含10,000多个人类对话的全标注多领域任务型对话数据集。它涵盖多个领域和主题，规模超过以往任务型语料库。该数据集为对话状态追踪、响应生成等任务提供基准测试，并通过版本更新持续提高数据质量。MultiWOZ为对话系统研究提供了重要资源，促进了该领域的发展。

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。

ner-english-ontonotes-large - Flair框架的大规模英语命名实体识别模型支持18种实体类型

FlairGithubHuggingface命名实体识别开源项目文本分类机器学习模型自然语言处理

ner-english-ontonotes-large是Flair框架中的大规模英语命名实体识别模型。该模型可识别18种实体类型，包括人名、地点和组织等，在Ontonotes数据集上F1分数达90.93%。模型基于文档级XLM-R嵌入和FLERT技术，通过简洁的Python代码即可调用。这一工具为各类自然语言处理任务提供了精准的命名实体识别功能。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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