clue Python

Fork 0 关注 0

本项目是 chineseglue 的第二版，是一个中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜。目的是为更好的服务中文语言理解、任务和产业界，做为通用语言模型测评的补充，通过完善中文语言理解基础设施的方式来促进中文语言模型的发展。

原始仓库地址：https://github.com/cluebenchmark/clue.git

chineseglue Python

Fork 0 关注 0

本项目是一个中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜。该项目选择了一系列有一定代表性的任务对应的数据集，做为测试基准的数据集。这些数据集会覆盖不同的任务、数据量、任务难度。本项目为更好的服务中文语言理解、任务和产业界，做为通用语言模型测评的补充，通过完善中文语言理解基础设施的方式来促进中文语言模型的发展。

原始仓库地址：https://github.com/chineseglue/chineseglue.git

bert-pytorch Python

Fork 0 关注 0

本项目是 Google BERT 的 Pytorch 实现。BERT 可以用于问答系统，情感分析，垃圾邮件过滤，命名实体识别，文档聚类等任务中，作为这些任务的基础设施即语言模型，然后对其进行微调，将它应用于我们的目标任务中，其微调训练也是快速而且简的。

原始仓库地址：https://github.com/codertimo/bert-pytorch.git

quick-nlp Verilog

Fork 0 关注 0

Quick NLP是受fast.ai库启发的深度学习nlp库 它遵循与fastai相同的api，并对其进行了扩展，从而可以快速，轻松地运行nlp模型

原始仓库地址：https://github.com/outcastofmusic/quick-nlp.git

联通智立方 / 中文全文纠错 Python

Fork 0 关注 3

本模型使用pycorrector来实现中文全文纠错。

transformers Python

Fork 0 关注 0

**transformers：**最先进的自然语言处理技术。 **transformers**(原名pytorch-transformers和pytorch-pretrained-bert)提供先进的通用体系结构(BERT GPT-2,RoBERTa,XLM, DistilBert, XLNet, CTRL…)对自然语言理解(NLU)和自然语言生成(NLG)在100 + 32 + pretrained模型语言和深TensorFlow 2.0和PyTorch之间的互操作性。

原始仓库地址：https://github.com/huggingface/transformers.git

BERT Python

Fork 4 关注 0

本仓库是TensorFlow代码和BERT的预训练模型。 **BERT**是一种预先训练语言表示的方法，这意味着我们在大型文本语料库(如Wikipedia)上训练一个通用的“语言理解”模型，然后将该模型用于我们关心的下游NLP任务(如问题回答)。**BERT**优于之前的方法，因为它是第一个无监督的、深度双向的NLP训练前系统。

原始仓库地址：https://github.com/google-research/bert.git

nqg Lua

Fork 0 关注 0

**nqg**这一项目讲述了神经问题生成系统在阅读理解任务中的实现。此外，章节级模型和句子级模型将很快推出。 如果您使用我们的数据或代码，请引用我们的论文如下： title={Learning to Ask: Neural Question Generation for Reading Comprehension}, author={Du, Xinya and Shao, Junru and Cardie, Claire}, booktitle={Association for Computational Linguistics (ACL)}, year={2017} 论文地址为：https://arxiv.org/abs/1705.00106

原始仓库地址：https://github.com/xinyadu/nqg.git

RCPapers C

Fork 0 关注 0

本仓库收录了一些关于机器阅读理解必读的论文。

原始仓库地址：https://github.com/thunlp/RCPapers.git

QANet Python

Fork 0 关注 0

**QANet**是一个用于机器阅读理解的QANet的Tensorflow实现。 从ICLR2018开始，谷歌的**QANet**(以前是快速阅读理解(FRC))的Tensorflow实现。(注意:这不是本文作者的官方实现)

原始仓库地址：https://github.com/NLPLearn/QANet.git