murray-z Goto Github PK

.github

ailearning

AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP

autoregressivedecoder

seq2seq解码方法，包含beam search 和 random sample

bert-ner-pytorch

Chinese NER(Named Entity Recognition) using BERT(Softmax, CRF, Span)

bert_ner

基于bert+softmax， bert+crf进行中文实体识别

bert_of_theseus_torch

BERT-of-Theseus 模型壓縮方法的pytorch實現

bert_siamese_similarity

采用bert作为编码器实现孪生网络

bert_text_classification_with_mlm

bert文本分类，同时使用有标签数据和无标签数据，无标签数据使用MLM

bi-lstm-crf

A PyTorch implementation of the BI-LSTM-CRF model.

bilstm_crf

bilstm_crf 解决序列标注问题

classic_network

实现一些经典的神经网络（LeNet, AlexNet, VGG, NiN, GoogLeNet, ResNet, Transformer, SiameseNet, seq2seq）

couplet

采用seq2seq架构训练“对对联”模型

couplet-gpt2

基于gpt2的对对联模型

cpt

CPT: A Pre-Trained Unbalanced Transformer for Both Chinese Language Understanding and Generation

deeplearning-500-questions

深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，50余万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系[email protected] 版权所有，违权必究 Tan 2018.06

elasticsearch_tutorial

ElasticSearch简单教程及简单使用案例

event_extraction

采用bert进行事件抽取，[cls]进行事件分类，最后一层向量进行序列标注，两个任务同时训练。

event_triple_extraction

采用LTP（分词、词性标注、句法依存、角色标注）抽取事件三元组

fasttext

FastText 文本分类

forward_backward_max_match_ner

基于前向、后向最大匹配算法，结合人工搜集词典，进行命名实体识别预标注

gensim_lda

采用gensim训练lda模型

gensim_train_model

采用gensim训练模型

git_test

graph_algorithm

整理一些图相关算法知识

gsql-graph-algorithms

GSQL Graph Algorithms

http_health_check

监测http服务是否正常

http_server_flask

采用flask部署http服务

jionlp

中文 NLP 预处理、解析工具包，准确、高效、易用 A Chinese NLP Preprocessing and Parsing Package

key_phrase_extraction

关键短语抽取

keywords_text_classification

基于关键词进行文本分类