Project Icon

jcseg

轻量级中文分词和关键字提取工具,支持多种语言

Jcseg是一款基于mmseg算法的中文分词器,具备关键字、短语、句子提取及文章自动摘要功能,支持Lucene、Solr、Elasticsearch分词接口。其内置Jetty高性能Web服务器,提供多种分词模式、自定义词库、同义词匹配和拼音追加,适合多种语言客户端调用。

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。
zhparser - 基于SCWS的PostgreSQL中文全文搜索扩展
GithubPostgreSQLSCWSZhparser中文分词全文检索开源项目
zhparser是一个基于SCWS的PostgreSQL中文全文搜索扩展,支持自定义词典和灵活配置分词行为。该扩展能有效解析中文文本,适用于PostgreSQL 9.2及以上版本的数据库。它提供多种安装方式,包括Docker快速部署,并支持复杂查询功能。zhparser为开发者提供了详细的使用说明和配置选项,方便实现高效的中文全文搜索功能。
Wordless - 开源多语言语料库分析工具
GithubWordless多语言支持开源软件开源项目语料库工具语言研究
Wordless是一款功能强大的语料库分析工具,支持多种语言处理。它可用于语言学、文学和翻译等领域的研究,提供词频统计、搭配分析等多种分析功能。该工具跨平台运行,拥有直观的用户界面,并提供完善的使用文档,有助于研究人员高效分析语料数据。
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。
simple - SQLite全文检索扩展:支持中文和拼音搜索
GithubSimple tokenizersqlite3 fts5中文搜索全文检索开源项目拼音搜索
Simple是一个SQLite FTS5扩展,为中文和拼音全文检索提供支持。该项目实现了微信移动端的多音字检索方案,并集成了cppjieba以提高词组匹配精度。它具备自动构建匹配查询、连续高亮匹配词、返回匹配位置等功能。Simple适用于各类需要在SQLite中实现中文搜索的应用,兼容多种编程语言和平台。
albert-tiny-chinese-ws - 轻量级ALBERT模型实现繁体中文分词
ALBERTCKIPGithubHuggingfaceTransformers开源项目模型繁体中文自然语言处理
albert-tiny-chinese-ws是CKIP Transformers项目开发的轻量级预训练模型,专门用于繁体中文分词任务。该模型基于ALBERT架构,具有处理速度快、准确度高的特点,适合大规模繁体中文文本处理。除分词外,CKIP Transformers还提供BERT、GPT2等多种繁体中文自然语言处理模型。为获得最佳性能,推荐使用BertTokenizerFast作为分词器。
marqo - 向量搜索引擎 ,实现文本和图像内容的矢量化处理及检索
GithubMarqo向量搜索嵌入生成开源项目数据索引机器学习
Marqo 作为全面的端到端向量搜索引擎,不仅实现文本和图像内容的矢量化处理及检索,更支持最新机器学习模型。其简洁的API设计允许开发者轻松实行多样的语义搜索操作,且无需独立处理数据嵌入问题。Marqo 的云服务部署有效降低响应时间,同时提供可伸缩的计算资源、持续可靠的服务及全时技术支持。
bytepiece - 创新高效的字节级Unigram分词工具
BytePieceGithubPythonUnigram分词器压缩率开源项目
BytePiece是一款基于字节的Unigram分词工具,采用创新训练算法实现高压缩率。该工具直接处理UTF-8字节,无需预处理,确保语言无关性。相比SentencePiece,BytePiece具有更高效的随机分词算法,支持多进程训练加速,并采用纯Python实现,便于二次开发。这一工具为自然语言处理提供了纯粹、易扩展的分词方案。
scavenger - 运行时检测和清理无用代码的开源分析工具
GithubJavaScavenger代码清理开源项目死代码运行时分析
Scavenger是一个开源的运行时代码分析工具,主要用于检测和清理Java项目中的无用代码。该工具采用非侵入式方法收集代码调用信息,支持JVM语言,并提供Web界面进行项目管理和分析。Scavenger由Agent、Collector、API和前端等组件构成,同时提供Python版本。它支持多种数据库,易于集成,有助于优化代码库和提升性能。
wiseflow - 基于LLM的轻量级信息提取与分类工具
GithubLLM应用PocketBaseWiseFlow信息提取开源项目智能分类
WiseFlow是一个开源的信息提取和分类工具,利用大型语言模型从网站、微信公众号和社交媒体中提取关键信息。它具有轻量级设计,无需GPU即可运行。该工具特别适合处理微信公众号文章,可集成到Agent项目中作为动态知识库。WiseFlow使用Pocketbase数据库,并提供多种编程语言的SDK支持,实现高效的信息过滤和关键点组织。
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