nolenhuang Goto Github PK

2018-aichallenger_emotion_analysis_27th

a_journey_into_math_of_ml

汉语自然语言处理视频教程-开源学习资料

ai_challenger_2018

AI Challenger, a platform for open datasets and programming competitions to artificial intelligence (AI) talents around the world. https://challenger.ai/

ailearning

AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP

algorithm_interview_notes-chinese

2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记

alicemind

bert-multi-label-text-classification

This repo contains a PyTorch implementation of a pretrained BERT model for multi-label text classification.

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。

caiss

跨平台/多语言的 相似向量/相似词/相似句 高性能检索引擎。功能强大，使用方便。欢迎star & fork。Build together! Power another !

ccks-2020

CCKS 2020：新冠知识图谱构建与问答评测（四）新冠知识图谱问答评测

chatbotcourse

自己动手做聊天机器人教程

chinese-ocr

[python3.6] 运用tf实现自然场景文字检测,keras/pytorch实现ctpn+crnn+ctc实现不定长场景文字OCR识别

chineseblue

Chinese Biomedical Language Understanding Evaluation benchmark (ChineseBLUE)

chineseocr

yolo3+ocr

cnn

基于Java实现CNN，并附MNIST和语音（MFCC特征）性别识别示例。

competition_cail

2018**‘法研杯’法律智能挑战赛（CAIL2018）个人作品

daguan_nlp

“达观杯”NLP算法挑战赛 竞赛成绩：排名前1%（29/2885）

deepie

DeepIE: Deep Learning for Information Extraction

deepinterests

深度有趣

deeplearning-500-questions

深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，近30万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系[email protected] 版权所有，违权必究 Tan 2018.06

deeplearningbook-chinese

Deep Learning Book Chinese Translation

dgcnn-information-extraction

基于苏剑林项目的复用，应用于金融事件关系抽取

dsb3tutorial

dureader-checklist-baseline

百度2021年语言与智能技术竞赛机器阅读理解Pytorch版baseline

epidemicqabert

epidemicQA system using BM25+Bert

fashion-mnist

A MNIST-like fashion product database. Benchmark :point_right:

financial-nlp-intelligent-interaction

项目介绍： 智能交互金融智能聊天。具体实现用户在所有关于股票话题的智能问答。其中难点是问题 分类、数据预处理、参数提取。 ☆个人工作： 实现金融智能聊天,实现所有股票问题的精确回答。通过提取通用特征将5亿+条训练语料缩减为10w条，语料内存占用量从10G减少到2M，并将精确度提高98%以上。设计划分股票问题为问股、选股、诊股、百科四个话题。设计利用TF-IDF，无监督训练得到分类。提供可靠稳定的后台服务，利用Redis，合理设计数据存储方式，提高平均查询速度到1秒之内。实现用户和机器人流畅交流。

geocoding

地理编码技术，提供地址标准化和相似度计算。

homemade-machine-learning

🤖 Python examples of popular machine learning algorithms with interactive Jupyter demos and math being explained

keras-gan

Keras implementations of Generative Adversarial Networks.