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

NLP 文本处理分词句子边界检测停用词 Github 开源项目

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。

访问官网

Github

介绍相关项目

gse - 多语言高效NLP和文本分词工具

GithubGo语言NLPgse分词算法多语言支持开源项目

Gse是一款支持多种分词模式及多语言（包括英文、中文、日文等）的高效NLP和文本分词工具。它采用双数组Trie和动态规划等算法，并通过ElasticSearch和Bleve集成，提供强大的文本处理能力。项目内还支持TensorFlow的NLP和命名实体识别（NER）功能，支持用户自定义词典和词性标注。作为一个开源项目，Gse在简体中文、传统中文和其他语言的文本处理上有优异表现。

llama-tokenizer-js - 在浏览器和Node环境中高效实现LLaMA模型的分词

GithubJavaScriptLLaMAllama-tokenizer-jsnpmtokenizer开源项目

Llama-tokenizer-js 是一款JavaScript客户端分词器，适用于LLaMA 1和LLaMA 2模型，并支持TypeScript。该工具无依赖、易于使用，专为客户端准确计算token数量设计。利用优化的BPE算法实现高效运行时间和小巧包大小。支持浏览器和Node环境，并提供便捷的demo和详细使用说明。

sentencepiece - 无监督神经网络文本分词与去分词工具

GithubSentencePiece分词子词单元开源项目机器翻译自然语言处理

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。

unstructured - 简化非结构化数据处理的开源工具

Githubopen-sourceunstructured开源项目数据处理模块函数预处理工具

该开源工具提供了处理图像和文本文档（PDF、HTML、Word文档等）的组件，能够优化大语言模型（LLM）的数据处理流程。通过模块化功能和连接器系统，简化数据导入和预处理，将非结构化数据高效转换为结构化数据。其无服务器API提供了高效、响应迅速的解决方案。快速入门指南涵盖了在容器中运行库以及多种安装方法。

subword-nmt - 神经机器翻译子词分割预处理工具

BPEGithub分词开源项目机器翻译神经网络自然语言处理

subword-nmt是一个文本子词分割预处理工具，主要应用于神经机器翻译领域。它实现了字节对编码(BPE)等算法，具备多语言联合学习、词汇过滤和BPE dropout等功能。该工具支持pip安装，提供命令行接口，适用于各类NMT任务，可有效处理罕见词。

tiny-dummy-qwen2 - 面向开发者的中文自然语言处理工具

GithubHuggingfaceMIT开源开源项目模型版权许可证软件

tiny-dummy-qwen2是一个开源的中文自然语言处理工具，旨在简化中文NLP应用的开发和部署过程。该项目采用MIT许可证，为开发者提供了灵活的使用和分发权限。通过降低技术门槛，tiny-dummy-qwen2使得各类开发者都能够更便捷地实现中文自然语言处理相关的创新应用。

ToolGood.Words - 多功能中文文本处理与敏感词过滤库

GithubToolGood.Words字符串搜索开源项目拼音操作敏感词检测繁简转换

ToolGood.Words是一个高性能的中文文本处理库，集成了敏感词检测、繁简体转换、全半角转换、拼音处理等功能。该项目提供多种高效的字符串搜索算法，支持通配符匹配，并包含拼音匹配和文本转换等实用工具。在大规模敏感词库上，其处理速度可达3亿字符每秒。这个开源项目适用于内容审核、文本过滤等多种应用场景。

nlp_chinese_corpus - 中文自然语言处理高质量多任务语料库

Github中文自然语言处理开源项目数据集词向量语料预训练

该中文自然语言处理项目提供丰富的高质量语料，包括维基百科条目、新闻、百科问答等，目标是解决中文大规模语料匮乏的问题。项目支持10大任务和9个模型的基准测试，并提供一键运行和详细性能比较，旨在提升中文NLP标准。适用于多种实际应用场景，如词向量训练、关键词生成和标题生成，方便研究人员和从业者获取和利用中文语料。

HugNLP - 基于Hugging Face的全面NLP开发应用框架

GithubHugNLPNLP应用开发开源项目指令微调预训练语言模型

HugNLP是基于Hugging Face的NLP开发应用库，为研究人员提供便利高效的开发环境。它集成了丰富的模型、处理器和应用模块，支持知识增强预训练、提示微调、指令调优等技术。该框架还包含参数高效学习、不确定性估计等工具，可用于构建多种NLP应用。HugNLP获得CIKM 2023最佳演示论文奖。

practical-nlp-code - 实用自然语言处理系统构建指南

GithubNLP系统信息抽取开源项目文本分类聊天机器人自然语言处理

该代码仓库提供了全面的实用自然语言处理内容,从基础到高级应用。涵盖文本表示、分类、信息提取等核心主题,并探讨社交媒体、电商、医疗等领域的NLP应用。仓库包含丰富的Python代码示例,有助于构建实际NLP系统。正在更新以支持最新Ubuntu系统和TensorFlow 2.x。

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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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