GuocaiL / nlp_corpusLinks
本人项目进行中搜集的数据集,包含原始数据和经过处理后的数据,项目持续更新。
☆116Updated 4 years ago
Alternatives and similar repositories for nlp_corpus
Users that are interested in nlp_corpus are comparing it to the libraries listed below
Sorting:
- 基于词汇信息融合的中文NER模型☆170Updated 3 years ago
- 全局指针统一处理嵌套与非嵌套NER的Pytorch实现☆402Updated 2 years ago
- 中文NER的那些事儿☆320Updated 2 years ago
- CMeEE/CBLUE/NER实体识别☆132Updated 3 years ago
- 全局指针统一处理嵌套与非嵌套NER☆255Updated 4 years ago
- 基于GlobalPointer的实体/关系/事件抽取☆149Updated 3 years ago
- CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取☆237Updated 3 years ago
- TPlinker for NER 中文/英文命名实体识别☆127Updated 4 years ago
- Tplinker注释,中文数据集适配版本☆60Updated 4 years ago
- ccks2020 NER competitions☆119Updated 4 years ago
- 利用指针网络进行信息抽取,包含命名实体识别、关系抽取、事件抽取。☆128Updated 2 years ago
- NLP关系抽取:序列标注、层叠式指针网络、Multi-head Selection、Deep Biaffine Attention☆102Updated 4 years ago
- 端到端的长本文摘要模型(法研杯2020司法摘要赛道)☆399Updated last year
- Code for the ACL2021 paper "Lexicon Enhanced Chinese Sequence Labelling Using BERT Adapter"☆345Updated 3 years ago
- 使用torch整合两种经典的指针NER抽取范式,分别是SpanBert和苏神的GlobalPointer,简单加了些tricks,配置后一键运行☆134Updated last year
- 基于Pytorch的命名实体识别框架,支持LSTM+CRF、Bert+CRF、RoBerta+CRF等框架☆89Updated 2 years ago
- OneRel在中文关系抽取中的使用☆131Updated last year
- GPLinker_pytorch☆85Updated 3 years ago
- GlobalPointer的优化版/NER实体识别☆122Updated 3 years ago
- ☆464Updated 4 years ago
- Pytorch BERT-BiLSTM-CRF For NER☆420Updated 5 years ago
- ☆279Updated 3 years ago
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆108Updated 2 years ago
- ☆136Updated 3 years ago
- Reimplement CasRel model in PyTorch.使用PyTorch对吉林大学CasRel模型进行复现,并在百度关系抽取数据集上训练测试。☆192Updated 2 years ago
- experiments of some semantic matching models and comparison of experimental results.☆163Updated 2 years ago
- 超长文本分类(大于1000字);文档级/篇章级文本分类;主要是解决长距离依赖问题☆132Updated 3 years ago
- 百度2021年语言与智能技术竞赛多形态信息抽取赛道关系抽取部分torch版baseline☆52Updated 4 years ago
- 本NER项目包含多个中文数据集,模型采用BiLSTM+CRF、BERT+Softmax、BERT+Cascade、BERT+WOL等,最后用TFServing进行模型部署,线上推理和线下推理。☆81Updated 4 years ago
- 北京航空航天大学大数据高精尖中心自然语言处理研究团队对信息抽取领域的调研。包括实体识别,关系抽取,属性抽取等子任务,每类子任务分别对学术界和工业界进行调研。☆472Updated 3 years ago