bxianghui / summarizer
中文文本摘要生成模型
☆18Updated 2 years ago
Related projects ⓘ
Alternatives and complementary repositories for summarizer
- 基于GPT2的中文文本摘要生成☆24Updated last year
- 基于Transformer的生成式文本摘要☆168Updated 2 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。☆33Updated 4 years ago
- 中文命名实体识别:BERT-BiLSTM-CRF模型实现中文,数据集使用CLUENER2020☆52Updated 2 years ago
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆86Updated 2 years ago
- bert文本多分类(情感分析)、bert-bilstm-crf序列标注任务(快递地址的序列标注任务)☆30Updated 3 years ago
- 基于bert的文本情感分析☆11Updated 2 years ago
- 使用Bert+CRF、Bert+BiLSTM+CRF、Bert+BiGRU+CRF、Bert+BiGRU+self-atttention+CRF、AlBert+CRF、AlBert+BiLSTM+CRF、AlBert+BiGRU+CRF、AlBert+BiGRU+self-…☆45Updated 4 years ago
- 新闻标题摘要生成模型,基于T5-PEGASUS。News title summary generation model☆17Updated 2 years ago
- Using BERT+Bi-LSTM+CRF☆134Updated 2 years ago
- pytorch实现 基于Bert+BiLSTM+CRF的中文命名实体识别☆41Updated 3 years ago
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆91Updated last year
- 利用bert和textcnn解决多标签文本分类的demo。☆29Updated 2 years ago
- 基于知识图谱的问答系统☆133Updated 4 years ago
- ACE2005中文数据集处理(中文信息信息抽取任务)☆20Updated 3 years ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆121Updated 5 months ago
- 利用BERT+BILSTM/DGCNN+ATTENTION+CRF 解决中文NER任务☆33Updated 2 years ago
- PyTorch使用BERT进行英语多标签文本分类☆32Updated 2 years ago
- ☆40Updated last year
- 基于pytorch+bert的中文事件抽取☆65Updated 2 years ago
- 用MLP、TextCNN、RNN、LSTM、GRU、Attention、RCNN、BERT做文本分类、情感分析,对比各模型于温泉旅游评论垂类语料下在情感分类任务上的表现☆91Updated 3 years ago
- bert pytorch模型微调用于的多标签文本分类☆125Updated 5 years ago
- 实体关系抽取,使用了百度比赛的数据集。使用pytorch实现MultiHeadJointEntityRelationExtraction,包含Bert、Albert、gru的使用,并且添加了对抗训练。最后使用Flask和Neo4j图数据库对模型进行了部署☆115Updated last year
- 嵌套命名实体识别 Nested NER☆19Updated 3 years ago
- 基于BIO模式的序列标注工具-可用于命名实体识别、事件触发词识别等任务的数据标注☆70Updated 4 years ago
- 新闻文本自动摘要, 以Textrank 为基础,融入 标题特征,单句位置特征,重要实体特征,线索词特征,做句子的综合权重计算,并使用MMR算法,兼顾自动摘要的主题相关性和摘要多样性。☆25Updated 2 years ago
- 一个简单的中文事件抽取模型,触发词和实体联合标注识别,同时判定实体角色。☆70Updated 3 years ago
- 中文信息抽取,包含实体抽取、关系抽取、事件抽取☆227Updated last year