xiaobenben's starred repositories
transformers
🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.
GPT2-Chinese
Chinese version of GPT2 training code, using BERT tokenizer.
CLUEDatasetSearch
搜索所有中文NLP数据集，附常用英文NLP数据集
bert-utils
一行代码使用BERT生成句向量，BERT做文本分类、文本相似度计算
chinese_province_city_area_mapper
一个用于提取简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块
weibo-search
获取微博搜索结果信息，搜索即可以是微博关键词搜索，也可以是微博话题搜索
awesome-text-summarization
A curated list of resources dedicated to text summarization
nlp_xiaojiang
自然语言处理（nlp），小姜机器人（闲聊检索式chatbot），BERT句向量-相似度（Sentence Similarity），XLNET句向量-相似度（text xlnet embedding），文本分类（Text classification）， 实体提取（ner，bert+bilstm+crf），数据增强（text augment, data enhance），同义句同义词生成，句子主干提取（mainpart），中文汉语短文本相似度，文本特征工程，keras-http-service调用
TextGrapher
Text Content Grapher based on keyinfo extraction by NLP method。输入一篇文档，将文档进行关键信息提取，进行结构化，并最终组织成图谱组织形式，形成对文章语义信息的图谱化展示。
bert_seq2seq
pytorch实现 Bert 做seq2seq任务，使用unilm方案,现在也可以做自动摘要，文本分类，情感分析，NER，词性标注等任务,支持t5模型，支持GPT2进行文章续写。
Summarization-Papers
Summarization Papers
pointer_summarizer
pytorch implementation of "Get To The Point: Summarization with Pointer-Generator Networks"
chinese_sentiment
中文情感分析，CNN，BI-LSTM，文本分类
GPT2-Summary
基于GPT2的中文摘要生成模型
transformer-pointer-generator
A Abstractive Summarization Implementation with Transformer and Pointer-generator
SentimentAnalysis
Sentiment analysis neural network trained by fine-tuning BERT, ALBERT, or DistilBERT on the Stanford Sentiment Treebank.
Text-Summarizer-Pytorch
Pytorch implementation of "A Deep Reinforced Model for Abstractive Summarization" paper and pointer generator network
pointer-generator
Code for the ACL 2017 paper "Get To The Point: Summarization with Pointer-Generator Networks" (Python3)
Multi-News
Large-scale multi-document summarization dataset and code
SikuBERT-for-digital-humanities-and-classical-Chinese-information-processing
SikuBERT：四库全书的预训练语言模型（四库BERT） Pre-training Model of Siku Quanshu
Pigmented-skin-disease-automatic-recognition-and-classification-system
设计并实现了一个基于深度学习、集成学习、迁移学习、GAN等技术的色素性皮肤病自动识别七分类系统。本系统主要由服务端和客户端两个模块组成。服务端基于深度学习、集成学习、迁移学习、GAN等技术实现了对色素性皮肤病自动识别七分类。客户端使用微信小程序和网站(SSM、Springboot)开发。用户通过微信小程序或网站上传图像到服务端，服务端返回所属类别。
Keras_R_BERT
本项目使用Keras实现R-BERT，在人物关系数据集上进行测试验证。
LocalBertSummarization
:boom: Abstractive Text Summarization with Bert and Convolution :alien: