基于neo4j肝病知识图谱的问答系统

中文长文本分类、短句子分类、多标签分类、两句子相似度（Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short），字词句向量嵌入层（embeddings）和网络层（graph）构建基类，FastText，TextCNN，CharCNN，TextRNN,…

使用Bert，ERNIE，进行中文文本分类

CNN-RNN中文文本分类，基于TensorFlow

bert中文分类实践

Chinese clinical named entity recognition using pre-trained BERT model

State-of-the-Art Text Embeddings

命名体识别(NER)综述-论文-模型-代码(BiLSTM-CRF/BERT-CRF)-竞赛资源总结-随时更新

汉字字符特征提取工具，可以提取出字符中的字音（声母、韵母、声调）、字形（偏旁、部首）、四角编码等特征，同时可作为tensor输入到模型

汉字字符特征提取器 (featurizer)，提取汉字的特征（发音特征、字形特征）用做深度学习的特征 ｜ A Chinese character feature extractor, which extracts the features of Chinese characters (pronunciation features, glyph features) as features fo…

汉字拆字库，可以将汉字拆解成偏旁部首，在机器学习中作为汉字的字形特征 | Hanzi Decomposition Library allows Chinese characters to be broken down into radicals and components, which can be used as character shape features in machine l…

自然语言处理中的基础任务，包含但不限于文本表示，文本分类，命名实体识别，关系抽取，文本生成，文本摘要等，基于tensorflow2或Pytorch，所有代码均经过测试，项目中也包含相关数据。

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。

在云端存储学习的过程产生的代码

此项目完成了关于 NLP-Beginner：自然语言处理入门练习 的所有任务，所有代码都经过测试,可以正常运行。

文言文命名实体识别，基于BILSTM+CRF完成文言文的命名实体实体，识别实体包括人物、地点、机构、时间等。

基于1998人民日报语料库利用CRF++实现汉语命名实体自动识别程序

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

pytorch实现 基于Bert+BiLSTM+CRF的中文命名实体识别

用深度学习实现命名实体识别

中文命名实体识别，实体抽取，tensorflow，pytorch，BiLSTM+CRF

LSTM网络在msra数据集上实现命名实体识别

中文命名实体识别，采用bilstm+crf模型基于Pytorch实现

基于Pytorch的Bert应用，包括命名实体识别、情感分析、文本分类以及文本相似度等

双向长短期记忆网络、条件随机场用于命名实体识别

基于BiLSTM_CRF的命名实体识别

pytorch版本的BILSTM+CRF的命名实体识别NER代码

自然语言处理基础，包括文本分类、命名实体识别、机器翻译、阅读理解等

基于tensorflow的bilstm+crf的命名实体识别

天池中药说明书实体识别挑战冠军方案；中文命名实体识别；NER; BERT-CRF & BERT-SPAN & BERT-MRC；Pytorch