stanleylsx / text_classifier_tf2
Tensorflow2.3的文本分类项目,支持各种分类模型,支持相关tricks。
☆173Updated 9 months ago
Related projects ⓘ
Alternatives and complementary repositories for text_classifier_tf2
- bert文本分类,ner, albert,keras_bert,bert4keras,kashgari,fastbert,flask + uwsgi + keras部署模型,时间实体识别,tfidf关键词抽取,tfidf文本相似度,用户情感分析☆194Updated 3 months ago
- multi-label-classification-4-event-type☆130Updated last year
- multi-label,classifier,text classification,多标签文本分类,文本分类,BERT,ALBERT,multi-label-classification☆140Updated 3 years ago
- 中文命名实体识别NER。用keras实现BILSTM+CRF、IDCNN+CRF、BERT+BILSTM+CRF进行实体识别。结果当然是BERT+BILSTM+CRF最好啦。☆284Updated 4 years ago
- 使用BERT模型做文本分类;面向工业用途☆216Updated 5 years ago
- 自然语言处理NLP在中文文本上的一些应用,如文本分类、情感分析、命名实体识别等☆206Updated 3 years ago
- bert pytorch模型微调用于的多标签文本分类☆125Updated 5 years ago
- 该库是一个项目集,包括文本分类、多标签分类、细粒度情感分析、命名实体识别,以及部分数据集等☆195Updated 5 years ago
- 基于BI-LSTM+CRF的中文命名实体识别 Pytorch☆376Updated last year
- 基于ltp的简单评论观点抽取模块☆117Updated 6 years ago
- Macadam是一个以Tensorflow(Keras)和bert4keras为基础,专注于文本分类、序列标注和关系抽取的自然语言处理工具包。支持RANDOM、WORD2VEC、FASTTEXT、BERT、ALBERT、ROBERTA、NEZHA、XLNET、ELECTRA…☆324Updated last year
- 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☆131Updated 5 months ago
- 嵌入Word2vec词向量的RNN+ATTENTION中文文本分类☆150Updated 4 years ago
- Bert预训练模型fine-tune计算文本相似度☆98Updated last year
- 本项目采用Keras和Keras-bert实现文本多标签分类任务,对BERT进行微调。☆65Updated 3 years ago
- 天池大赛疫情文本挑战赛线上第三名方案分享☆228Updated 3 years ago
- TextClf :基于Pytorch/Sklearn的文本分类框架,包括逻辑回归、SVM、TextCNN、TextRNN、TextRCNN、DRNN、DPCNN、Bert等多种模型,通过简单配置即可完成数据处理、模型训练、测试等过程。☆236Updated last year
- 利用bert预训练的中文模型进行文本分类 数据集中文情感分析语料chnsenticorp☆310Updated 5 years ago
- 基于Tensorflow2.3开发的NER模型,都是CRF范式,包含Bilstm(IDCNN)-CRF、Bert-Bilstm(IDCNN)-CRF、Bert-CRF,可微调预训练模型,可对抗学习,用于命名实体识别,配置后可直接运行。☆401Updated 2 months ago
- 中文问题句子相似度计算比赛及方案汇总☆294Updated 3 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)☆139Updated 4 years ago
- 基于预训练模型(BERT,BERT-wwm)的文本分类模板,CCF BDCI新闻情感分析A榜4/2735。☆259Updated 4 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)☆135Updated 2 years ago
- 2019百度的关系抽取比赛,使用Pytorch实现苏神的模型,F1在dev集可达到0.75,联合关系抽取,Joint Relation Extraction.☆314Updated 4 years ago
- ChineseNER based on BERT, with BiLSTM+CRF layer☆442Updated 3 years ago
- 使用keras实现的基于Bi-LSTM + CRF的中文分词+词性标注☆375Updated 5 years ago
- 结合BERT+GRU+ATT模型,对自己收集的人物关系数据进行模型训练,用于人物关系抽取。☆320Updated last year
- 利用ALBERT实现文本二分类,判别是否属于政治上的出访类事件,提升模型训练和预测速度。☆73Updated last year
- 基于BERT的中文命名实体识别☆393Updated 5 years ago
- Named Recognition Entity based on BERT and CRF 基于BERT+CRF的中文命名实体识别☆181Updated last year