jansion.wang's repositories
finetune-chinese-bert-with-sentence-transformers
finetune chinese bert with sentence-transformers
label-studio
Label Studio is a multi-type data labeling and annotation tool with standardized output format
tagger_rewriter
对话改写介绍文章
Ai-Learn
人工智能学习路线图，整理近200个实战案例与项目，免费提供配套教材，零基础入门，就业实战！包括：Python，数学，机器学习，数据分析，深度学习，计算机视觉，自然语言处理，PyTorch tensorflow machine-learning,deep-learning data-analysis data-mining mathematics data-science artificial-intelligence python tensorflow tensorflow2 caffe keras pytorch algorithm numpy pandas matplotlib seaborn nlp cv等热门领域
bertsearch
Elasticsearch with BERT for advanced document search.
ccks2019-ckbqa-4th-codes
中文知识库问答代码，在CCKS2019 CKBQA评测获得67.6%的F值，第四名
ChatGLM-LoRA
ChatGLM-6B添加了LoRA实现，以及部分核心代码的逐行讲解 ,实例部分是做了个新闻短标题的生成
deep-ctr-prediction
CTR prediction models based on deep learning(基于深度学习的广告推荐CTR预估模型)
deepsegment
A sentence segmenter that actually works!
dgcnn_for_reading_comprehension
keras implement of dgcnn for reading comprehension
fund-strategy
基金投资策略分析，基金回测工具
Keras-TextClassification
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, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, 胶囊网络-CapsuleNet, Transformer-encode, Seq2seq, SWEM
lightKG
基于Pytorch和torchtext的知识图谱深度学习框架，包含知识表示学习、实体识别与链接、实体关系抽取、事件检测与抽取、知识存储与查询、知识推理六大功能模块，已实现了命名实体识别、关系抽取、事件抽取、表示学习等功能。框架功能丰富，开箱可用，极易上手！基本都是学习他人实现然后自己修改融合到框架中，没有细致调参，且有不少Bug～
nlp-tutorial
Natural Language Processing Tutorial for Deep Learning Researchers
nlp_research
NLP research：基于tensorflow的nlp深度学习项目，支持文本分类/句子匹配/序列标注/文本生成 四大任务
Python-100-Days
Python - 100天从新手到大师
SpeechRecognition_ASRT
ASRT类语音识别
spring-data-jpa-guide
spring-data-jpa-guide，Spring Data JPA实战，SpringDataJpa详解
spring-data-jpa-guide-1
《Spring Data JPA 从入门到精通》源代码
text_matching
常用文本匹配模型tf版本，数据集为QA_corpus，持续更新中
TransFormerDSSM
该模型在DSSM模型的基础上，将模型的表示层使用基于Transformer的Encoder部分来实现。用于问答召回后的二次精排的融合方案。 基于开源代码开发，具体作者不详。
Unsupervised-Multi-hop-QA
Codes for NAACL 2021 Paper "Unsupervised Multi-hop Question Answering by Question Generation"