percent4

微信公众号：NLP奇幻之旅知识星球：自然语言处理奇幻之旅知乎：NLP奇幻之旅

Shanghai

Pinned Repositories

ALBERT_4_Time_Recognition
使用ALBERT预训练模型，用于识别文本中的时间，同时验证模型的预测耗时是否有显著提升。
Language:Python56 2 213
ALBERT_text_classification
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。
Language:Python73 2 124
bert_doc_binary_classification
文本二分类任务，是否文档是否属于政治上的出访类事件，利用BERT提取特征，模型采用简单的DNN。
Language:Python63 2 430
ccks_triple_extract
限定领域的三元组抽取的一次尝试，本文将会介绍笔者在2019语言与智能技术竞赛的三元组抽取比赛方面的一次尝试。
Language:Python133 5 523
embedding_rerank_retrieval
本项目是针对RAG中的Retrieve阶段的召回技术及算法效果所做评估实验。使用主体框架为LlamaIndex.
Language:Jupyter Notebook179 2 1021
keras_bert_multi_label_cls
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。
Language:Python65 3 422
knowledge_graph_demo
本项目用于展示三元组抽取后形成的知识图谱，包括几本小说的实体关系，以及README.md，介绍这方面的一篇文章。
Language:Python192 5 247
multi-label-classification-4-event-type
multi-label-classification-4-event-type
Language:Python130 2 649
people_relation_extract
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。
Language:Python320 7 1660
spo_extract_platform
本项目是利用深度学习技术来构建知识图谱方向上的一次尝试，作为开放领域的关系抽取，算是笔者的一次创新，目前在这方面的文章和项目都很少。
Language:Python307 10 949

percent4's Repositories

percent4/ALBERT_text_classification
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。
Language:Python73 2 124
percent4/keras_bert_multi_label_cls
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。
Language:Python65 3 422
percent4/keras_bert_sequence_labeling
本项目采用Keras和Keras-bert实现中文序列标注，对BERT进行微调，并在多个命名实体识别数据集上进行测试。
Language:Python47 2 314
percent4/keras_bert_text_classification
本项目采用Keras和Keras-bert实现文本多分类任务，对BERT进行微调。
Language:Python46 3 59
percent4/transformers_chinese_text_classification
本项目采用transformers模块，使用bert-base-chinese模型实现文本多分类。
Language:Python33 2 110
percent4/pytorch_english_mltc
PyTorch使用BERT进行英语多标签文本分类
Language:Python32 2 111
percent4/huggingface_translation_model
使用HuggingFace翻译模型的一次尝试
Language:Jupyter Notebook21 2 1
percent4/pytorch_transformers_english_ner
本项目采用PyTorch和transformers模块实现英语序列标注，其中对BERT进行微调。
Language:Python19 4 41
percent4/keras_bert_multiple_choice_MRC
本项目采用BERT等预训练模型实现多项选择型阅读理解任务（Multiple Choice MRC）
Language:Python15 3 03
percent4/WSD_With_Text_Extraction
抽取式NLP模型（阅读理解模型，MRC）实现词义消歧（WSD）
Language:Python12 2 31
percent4/alias_find_system
别名发现系统
Language:Python11 2 11
percent4/tensorflow_serving_examples
利用tensorflow/serving进行单模型、多模型、同一模型多版本的部署，并进行模型预测，并用Prothemus进行服务监控。
Language:Python11 2 04
percent4/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。
Language:Python10 2 11
percent4/Keras_Transformer_Text_Classification
本项目使用Keras实现Transformer模型来进行文本分类（中文、英文均支持）。
Language:Python10 2 0
percent4/keras_bert_cloze
本项目采用keras-bert加载BERT模型，进行完形填空。
Language:Python8 2 23
percent4/keras_bert_short_text_match
本项目采用Keras和Keras-bert实现短文本匹配任务。
Language:Python7 2 12
percent4/tf_hub_english_text_classification
本项目使用tensorflow_hub中的BERT模型，对英语电影评论数据集（IMDB）进行文本二分类。
Language:Python72
percent4/keras_roberta_text_classificaiton
Use English Roberta PLM to do text classification(TC) task with GLUE dataset: SST-2.
Language:Python6 2 0
percent4/docker_image_demo
该项目用于显示如何使用Docker进行镜像打包，用于初学者入门。
Language:Python5 2 0
percent4/Keras-K-fold-test
本项目以iris.csv和DNN模型为例，演示如何在Keras中使用K-fold交叉验证。
Language:Python51
percent4/bert_sougou_qa
本项目利用keras-bert和tokenizers模块，对BERT进行微调，对搜狗问答数据集实现抽取式问答。
Language:Python43
percent4/CPM-LM-TF2-DEMO
本项目使用清源预训练模型CPM，并给出一些模型使用的例子。
Language:Python41
percent4/Keras_quasi_Mul_BERT
本项目使用Keras实现quasi Mul-BERT，在人物关系数据集上进行测试验证，其中quasi的意思为近似，因为Mul-BERT模型的论文还未发表，更多模型的细节还未知，因此为近似Mul-BERT。
Language:Python4 2 02
percent4/RoBERTa_and_DCMN_plus_for_RACE
I use RoBERTaMultipleChoiceModel and DCMN+ RoBERTa for RACE dataset.
Language:Python4 2 0
percent4/roberta_torch_2_tf
本项目用于将HuggingFace提供的Roberta的Torch版本的模型转化为Tensorflow1.X版本的ckpt格式。
Language:Python4 2 11
percent4/keras_bert_DCMN
使用DCMN模型完成多项选择阅读理解型任务。
Language:Python3 2 0
percent4/keras_roberta_mcqa_for_race
Use Roberta(English) pretrained model to finish multiple choice question answering task with RACE dataset.
Language:Python1 2 0
percent4/unittest_example
Python单元测试使用例子
Language:Python1 2 0
percent4/deep_learning_miscellaneous
some basic knowledge of deep learning and Pretrained Language Model of NLP
Language:Jupyter Notebook3 0
percent4/flask_blue_print_demo
Flask blue print demo
Language:Python