TianWuYuJiangHenShou / Multi-label_Text_classificationLinks
PyTorch实现的多标签的文本分类
☆14Updated 6 years ago
Alternatives and similar repositories for Multi-label_Text_classification
Users that are interested in Multi-label_Text_classification are comparing it to the libraries listed below
Sorting:
- 2019之江杯人工智能大赛电商评论观点挖掘赛道top3☆49Updated 6 years ago
- textcnn多标签文本分类☆37Updated 7 years ago
- 机器检索阅读联合学习,莱斯杯:全国第二届“军事智能机器阅读”挑战赛 rank6 方案☆128Updated 5 years ago
- 2020 CCF大数据与计算智能大赛-非结构化商业文本信息中隐私信息识别-第7名方案☆73Updated 4 years ago
- lic2020关系抽取比赛,使用Pytorch实现苏神的模型。☆103Updated 5 years ago
- 微调预训练语言模型,解决多标签分类任务(可加载BERT、Roberta、Bert-wwm以及albert等知名开源tf格式的模型)☆141Updated 5 years ago
- 天池-新冠疫情相似句对判定大赛 Rank8☆52Updated 5 years ago
- NLP实验:新词挖掘+预训练模型继续Pre-training☆47Updated 2 years ago
- 2020语言与智能技术竞赛:事件抽取任务 -- 联合抽取baseline☆55Updated 5 years ago
- 法研杯CAIL2019阅读理解赛题参赛模型☆43Updated 6 years ago
- 2020语言与智能技术竞赛:事件抽取任务方案代码☆28Updated 2 years ago
- 迭代膨胀卷积命名实体抽取☆44Updated 6 years ago
- CCKS2020面向金融领域的小样本跨类迁移事件抽取baseline☆56Updated 3 years ago
- ☆88Updated 4 years ago
- BDCI2019-互联网金融新实体发现-第7名(本可top3)☆18Updated 6 years ago
- ☆38Updated 6 years ago
- 达观算法比赛ner任务,从重新训练bert,到finetune预测。☆75Updated 3 years ago
- 开课吧&后厂理工学院_百度NLP项目2:试题数据集多标签文本分类 Models: FastText TextCNN GCN BERT et al.☆48Updated 6 years ago
- 本项目是NLP领域一些任务的基准模型实现,包括文本分类、命名实体识别、实体关系抽取、NL2SQL、CKBQA以及BERT的各种下游任务应用。☆48Updated 4 years ago
- 天池大赛疫情文本挑战赛☆51Updated 5 years ago
- albert + lstm + crf实体识别,pytorch实现。识别的主要实体是人名、地名、机构名和时间。albert + lstm + crf (named entity recognition)☆137Updated 3 years ago
- 中国法研杯CAIL2019要素抽取任务第三名方案分享☆140Updated 4 years ago
- 参考NER,基于BERT的电商评论观点挖掘和情感分析☆44Updated 6 years ago
- 中文文本句对相似度匹配-ATEC数据集☆23Updated 5 years ago
- 百度2020语言与智能技术竞赛:事件抽取赛道方案代码☆54Updated 5 years ago
- Just Code ! 针对面试训练算法题, 目前包括字节跳动面试题、 LeetCode 和剑指 offer ,持续扩容中☆18Updated 5 years ago
- 2019百度语言与智能技术竞赛信息抽取赛代5名代码☆68Updated 6 years ago
- 2020语言与智能技术竞赛:关系抽取任务(https://aistudio.baidu.com/aistudio/competition/detail/31?lang=zh_CN)☆24Updated 5 years ago
- NLP中文预训练模型泛化能力挑战赛☆42Updated 5 years ago
- CCKS2020 面向中文短文本的实体链指任务。主要思路为:使用基于BiLSTM和Attention的语义模型进行Query和Doc的文本匹配,再针对匹配度进行pairwise排序,从而选出最优的知识库实体 。☆47Updated 4 years ago