Alternatives and similar repositories for BiLSTM-Attention_CN_Text_Clf_Pytorch

Users that are interested in BiLSTM-Attention_CN_Text_Clf_Pytorch are comparing it to the libraries listed below

• Vincent131499 / LauSentiNet
  集成各种神经网络进行情感分类，包括CNN、LSTM、Transformer以及BERT等网络模型
  ☆73Updated 6 years ago
• seanzhang-zhichen / PytorchBertBiLstmClassify
  Pytorch Bert+BiLstm二分类
  ☆41Updated 4 years ago
• xiaobaicxy / text-classification-BiLSTM-Attention-pytorch
  文本分类， 双向lstm + attention 算法
  ☆90Updated 5 years ago
• jiangzhongkai / NLP_From_Zero_to_One
  主要是实现nlp常用网络以及结果比较，各模型的优劣势，如:FastText,TextCNN,TextRNN,TextRCNN,BiLSTM,Seq2seq,BERT,Transformer,ELMo以及Attention机制等等。
  ☆46Updated 6 years ago
• yanyusong / HAN
  使用分层注意力机制 HAN + 多任务学习 解决 AI Challenger 细粒度用户评论情感分析 。https://challenger.ai/competition/fsauor2018
  ☆58Updated 6 years ago
• ROBINADC / BiGRU-CRF-with-Attention-for-NER
  Named Entity Recognition (NER) with different combinations of BiGRU, Self-Attention and CRF
  ☆63Updated 4 years ago
• gaopinghai / textCNN_pytorch
  使用pytorch搭建textCNN实现中文文本分类
  ☆132Updated 6 years ago
• WHLYA / text-classification
  ☆30Updated 5 years ago
• hscspring / Multi-Label-Text-Classification-for-Chinese
  pytorch implementation of multi-label text classification, includes kinds of models and pretrained. Especially for Chinese preprocessing.
  ☆78Updated 5 years ago
• CLOVEXCWZ / Pytorch_LongText_Classification_Demo
  Pytorch进行长文本分类。这里用到的网络有：FastText、TextCNN、TextRNN、TextRCNN、Transformer
  ☆48Updated 5 years ago
• littletiger0712 / text-classification-mutli-label
  多标签文本分类
  ☆53Updated 6 years ago
• xqtbox / question-classification-with-multi-level-attention-mechanism-and-keras
  question classification with multi-level attention mechanism 使用多层级注意力机制和keras实现问题分类
  ☆34Updated 6 years ago
• u784799i / biLSTM_attn
  ☆167Updated 6 years ago
• SteveKGYang / LDA-based-Keyword-Extraction
  复现了论文《基于主题模型的短文本关键词抽取及扩展》的代码
  ☆31Updated 4 years ago
• percent4 / keras_bert_multi_label_cls
  本项目采用Keras和Keras-bert实现文本多标签分类任务，对BERT进行微调。
  ☆67Updated 4 years ago
• percent4 / bert_doc_binary_classification
  文本二分类任务，是否文档是否属于政治上的出访类事件，利用BERT提取特征，模型采用简单的DNN。
  ☆61Updated 5 years ago
• yifanhunter / NLP_textClassifier
  基于word2vec预训练词向量； textCNN 模型 ；charCNN 模型 ；Bi-LSTM模型；Bi-LSTM + Attention 模型 ；Transformer 模型 ；ELMo 预训练模型 ；BERT 预训练模型的文本分类项目
  ☆124Updated 5 years ago
• zhangzhiqiangccm / NLP-project
  自然语言处理中的基础任务，包含但不限于文本表示，文本分类，命名实体识别，关系抽取，文本生成，文本摘要等，基于tensorflow2或Pytorch，所有代码均经过测试，项目中也包含相关数据。
  ☆151Updated 3 years ago
• LindgeW / sentiment-analysis-based-on-attention
  电商评论情感分类
  ☆15Updated 5 years ago
• percent4 / multi-label-classification-4-event-type
  multi-label-classification-4-event-type
  ☆138Updated 2 years ago
• YuanWind / BertModel
  利用bert预训练模型生成句向量或词向量
  ☆27Updated 5 years ago
• manderous / TextClassification-MeiTuan-FeatureExtraction-Classifier
  该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。
  ☆94Updated 6 years ago
• zhanghx0905 / capstone
  基于CNN、RNN、GCN、BERT的中文文本分类
  ☆43Updated 2 years ago
• Frank-ZYW / Chinese-Text-Classification
  基于Pytorch实现的一些经典自然语言处理模型中文短文本分类任务，包含TextCNN，TextRCNN，FastText，BERT，ROBERT以及ERNIE
  ☆54Updated 5 years ago
• MenglinLu / LDA-based-on-partition-PLDA-
  提出基于划分的LDA主题模型 (PLDA)。对传统LDA模型进行改进，考虑中长篇文档篇章结构较为清晰，传统LDA在处理中长篇文档时不能识别每个篇章的主题，提出基于划分的LDA主题模型，对中长篇文档如新闻报道】国务院工作报告等按照段落进行划分，先拆后合，并将其效果与传统LDA…
  ☆41Updated 6 years ago
• hongyingyue / Text-classification
  Text classification NLP pipeline with transformers
  ☆26Updated 2 months ago
• lizhenping / multi-head-self-attention
  在sts数据集上用多头注意力机制上进行测试。 pytorch torchtext 代码简练，非常适合新手了解多头注意力机制的运作。不想transformer牵扯很多层 multi-head attention + one layer linear
  ☆18Updated 2 months ago
• HuHsinpang / ClUENER-Pretreatment
  细粒度中文命名实体识别数据集处理，将json数据处理成BIOES标注的数据。CLUENER dataset pretreatment
  ☆11Updated 5 years ago
• viewlei / fsauor2018
  基于LSTM网络与自注意力机制对中文评论进行细粒度情感分析
  ☆55Updated 4 years ago
• circlePi / text_class
  Capsule, LSTM/GRU, CNN for text class implemented by Pytorch 胶囊网络, 循环神经网络和卷积神经网络在中文文本分类中的应用
  ☆44Updated 6 years ago