开源项目

本模型使用pycorrector来实现中文全文纠错。

浏览量：27 下载量：3 8 days前

**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 浏览量：32 下载量：0 22 days前

BERT Python Star 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 浏览量：31 下载量：0 22 days前

nqg Lua Star 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 浏览量：1741 下载量：698 2 months前

RCPapers C Star 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 浏览量：1622 下载量：39 3 months前

QANet Python Star 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 浏览量：1884 下载量：483 3 months前

DrQA C Star 0

这是ACL 2017论文中,描述的DrQA系统的PyTorch实现。 DrQA是一个应用于开放式问题回答的阅读理解系统。特别地，DrQA的目标是“大规模机器阅读”(MRS)。在这个设置中，我们正在一个潜在的非常大的非结构化文档语料库中寻找问题的答案(这可能不是多余的)。因此，系统必须将文档检索(查找相关文档)和文本机器理解(从这些文档中识别答案)的挑战结合起来。我们使用DrQA的实验集中在回答事实性问题，同时使用Wikipedia作为文档的唯一知识来源。维基百科是一个非常适合大规模、丰富、详细信息的来源。要回答任何问题，首先必须从500多万篇文章中检索出少数可能相关的文章，然后仔细地扫描它们以确定答案。

原始仓库地址：https://github.com/facebookresearch/DrQA.git 浏览量：1081 下载量：726 3 months前

mt-dnn Python Star 0

**mt-dnn**PyTorch包实现了用于自然语言理解的多任务深度神经网络(MT-DNN)。

原始仓库地址：https://github.com/namisan/mt-dnn.git 浏览量：1727 下载量：549 3 months前

fastText HTML Star 0

**fastText**是一个高效学习单词表示和句子分类的库。

原始仓库地址：https://github.com/facebookresearch/fastText.git 浏览量：1472 下载量：203 3 months前

NLP-progress Python Star 0

**NLP-progress**，本仓库旨在跟踪自然语言处理(NLP)的进展，并概述最常见的NLP任务及其相应数据集的最新技术。并且，本项目包含了传统的和核心的NLP任务，如依赖项解析和词性标记以及最近的阅读理解和自然语言推理。主要的目标是为读者提供基准数据集的快速概览和它们的最新技术，作为进一步研究的基础。

原始仓库地址：https://github.com/sebastianruder/NLP-progress.git 浏览量：2009 下载量：162 4 months前