stanleylsx / bert_nlu_joint
一个使用tensorflow2.3开发的基于Bert的意图识别的自然语言理解任务Demo
☆26Updated last year
Alternatives and similar repositories for bert_nlu_joint
Users that are interested in bert_nlu_joint are comparing it to the libraries listed below
Sorting:
- 使用bert做领域分类、意图识别和槽位填充任务☆76Updated 4 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☆132Updated 11 months ago
- 基于ERNIE的中文NER☆36Updated 2 years ago
- 基于bert的kbqa系统☆151Updated 2 years ago
- 使用R-BERT模型对人物关系模型进行分类,效果有显著提升。☆24Updated 2 years ago
- 基于汽车知识图谱的汽车问答多轮对话系统☆35Updated 5 years ago
- 实体识别和关系抽取的联合模型☆124Updated 6 years ago
- 基于知识图谱的问答系统☆135Updated 5 years ago
- 抽取中文三元组☆94Updated 2 years ago
- 基于文本相似度的win10智能客服问答系统☆15Updated 5 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☆86Updated 2 years ago
- benchmark of KgCLUE, with different models and methods☆27Updated 3 years ago
- Bert预训练模型fine-tune计算文本相似度☆104Updated 2 years ago
- Tensorflow2.3的文本分类项目,支持各种分类模型,支持相关tricks。☆175Updated 5 months 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☆60Updated 2 years ago
- 嵌套命名实体识别 Nested NER☆20Updated 3 years ago
- 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。☆113Updated 4 years ago
- 基于检索的任务型多轮对话☆77Updated 4 years ago
- 基于Bert的智能问答系统!☆29Updated 5 years ago
- 微调预训练语言模型(BERT、Roberta、XLBert等),用于计算两个文本之间的相似度(通过句子对分类任务转换),适用于中文文本☆89Updated 4 years ago
- 将bert模型应用到问答系统中来,一者学习知识图谱的基本操作,二简单搭建问答系统的基本框架,三将词向量、bert模型实践应用☆59Updated 5 years ago
- 知识图谱初探,关系抽取,实体抽取,基于kb的问答,基于es的问答,知识图谱可视化☆60Updated 5 years ago
- 基于RNN、CNN、XGboost的问答系统意图识别模块☆35Updated 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。☆47Updated 4 years ago
- intent detection and slot filling 意图识别与槽填充联合模型☆38Updated 2 years ago
- 基于意图识别和命名实体识别的多轮对话场景设计☆39Updated 5 years ago
- 中文wiki百科QA阅读理解问答系统,使用了CCKS2016数据的NER模型和CMRC2018的阅读理解模型,还有W2V词向量搜索,使用torchserve部署☆91Updated 3 years ago
- NLP关系抽取:序列标注、层叠式指针网络、Multi-head Selection、Deep Biaffine Attention☆99Updated 3 years ago
- 本项目采用Keras和Keras-bert实现文本多分类任务,对BERT进行微调。☆48Updated 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。☆123Updated 2 years ago