Icelame-31 / news_title_summary_generate
新闻标题摘要生成模型,基于T5-PEGASUS。News title summary generation model
☆17Updated 2 years ago
Alternatives and similar repositories for news_title_summary_generate:
Users that are interested in news_title_summary_generate are comparing it to the libraries listed below
- 基于GOOGLE T5中文生成式模型的摘要生成/指代消解,支持batch批量生成,多进程☆219Updated last year
- 各大文本摘要模型-中文文本可运行的解决方案☆65Updated last year
- 基于词汇信息融合的中文NER模型☆164Updated 2 years ago
- 基于Pytorch的文本分类框架 ,支持TextCNN、Bert、Electra等。☆61Updated last year
- 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。☆112Updated 4 years ago
- experiments of some semantic matching models and comparison of experimental results.☆161Updated last year
- 基于GPT2的中文文本摘要生成☆24Updated last year
- This is some summary code and model☆39Updated 3 years ago
- bert pytorch模型微调用于的多标签文本分类☆128Updated 5 years ago
- 基于Pytorch+BERT+CRF的NLP序列标注模型,目前包括分词,词性标注,命名实体识别等☆58Updated 2 years ago
- 嵌套命名实体识别 Nested NER☆19Updated 3 years ago
- 基于pytorch的中文拼写纠错,使用的模型是Bert以及SoftMaskedBert☆31Updated 3 years ago
- 基于bert_mrc的中文命名实体识别☆43Updated 2 years ago
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆101Updated last year
- GPLinker_pytorch☆80Updated 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☆100Updated 3 years ago
- 基于SpanBert的中文指代消解,pytorch实现☆96Updated 2 years ago
- 基于pytorch_bert的中文多标签分类☆87Updated 3 years ago
- Bert预训练模型fine-tune计算文本相似度☆100Updated last year
- TPlinker for NER 中文/英文命名实体识别☆122Updated 3 years ago
- 继续预训练中文bert☆30Updated 3 years ago
- 端到端的长本文摘要模型(法研杯2020司法摘要赛道)☆392Updated 8 months 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。☆123Updated last year
- 基于Transformer的生成式文本摘要☆176Updated 2 years ago
- 复现论文《Simplify the Usage of Lexicon in Chinese NER》☆42Updated 3 years ago
- 基于Pytorch的命名实体识别框架,支持LSTM+CRF、Bert+CRF、RoBerta+CRF等框架☆82Updated last year
- 本项目采用Keras和Keras-bert实现中文序列标注,对BERT进行微调,并在多个命名实体识别数据集上进行测试。☆47Updated 3 years ago
- Tplinker注释,中文数据集适配版本☆59Updated 4 years ago
- 基于深度学习的FAQ式问答系统☆34Updated 3 years ago
- 使用三种方法实现中文抽取式自动文摘,分别是TextRank算法、MMR(最大边界相关算法)算法和TextRank+Word2vec方法;最后使用Rouge评价方法,将生成的摘要和标准摘要进行比较,输出p、r、f值。☆35Updated 4 years ago