sophiesmile Goto Github PK

breaching

Breaching privacy in federated learning scenarios for vision and text

caffe

Caffe: a fast open framework for deep learning.

chinesenlpcorpus

搜集、整理、发布 中文 自然语言处理 语料/数据集，与 有志之士 共同 促进 中文 自然语言处理 的 发展。

cluener2020

CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition

cmekg_labelingplatform

cmekg_tools

cmekg_tools_version_3

CMeKG Tools for Medical Predict

cmekgcrawler

Medical Graph for Neo4j

easybert

基于Pytorch的Bert应用，包括命名实体识别、情感分析、文本分类以及文本相似度等

fedavgpy

On the Convergence of FedAvg on Non-IID Data

food-safety-review

O2O商铺食品安全相关评论发现

funnlp

NLP

hanlp

中文分词 词性标注 命名实体识别 依存句法分析 成分句法分析 语义依存分析 语义角色标注 指代消解 风格转换 语义相似度 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁转换 自然语言处理

llama

Inference code for Llama models

ml-nlp

此项目是机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。

ner-datasets

Datasets to train supervised classifiers for Named-Entity Recognition in different languages (Portuguese, German, Dutch, French, English)

ner-english

:computer: 英文命名实体识别(NER)的研究

neuralcoref

✨Fast Coreference Resolution in spaCy with Neural Networks

openbackdoor

An open-source toolkit for textual backdoor attack and defense (NeurIPS 2022 D&B, Spotlight)

piccolo

pointernet_chinese_information_extraction

利用指针网络进行信息抽取，包含命名实体识别、关系抽取、事件抽取。

pythorch-text-classification

对豆瓣影评进行文本分类情感分析，利用爬虫豆瓣爬取评论，进行数据清洗，分词，采用BERT、CNN、LSTM等模型进行训练，采用tensorboardX可视化训练过程，自然语言处理项目\A project for text classification, based on torch 1.7.1

semanaly

semantic analysis using word2vector, doc2vector,lstm and other method. mainly for text similarity analysis.

simulatorattack

The official implementation code of the paper CVPR 2021 paper "Simulating Unknown Target Models for Query-Efficient Black-box Attacks"

steal-ml

Model extraction attacks on Machine-Learning-as-a-Service platforms.

stealing_dl_models

Copycat CNN

texthero

Text preprocessing, representation and visualization from zero to hero.

textmining

某电商手机评论的文本挖掘初体验 功能板块：数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序

transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

unet-tom-jerry

基于Unet模型和并联注意力机制实现猫和老鼠动画片的语义分割，其中并联注意力机制受CBAM注意力机制的启发，将通道注意力机制机制和空间注意力机制并联，给予不同通道不同空间不同权重。本项目使用的数据集通过爬虫获取，清洗后使用百度平台EasyData进行标注，共682张，其中545中用来训练，137张用来测试。本项目使用Visio可视化模型结构图，并对比了原版Unet、添加CBAM注意力机制和添加本项目提出的并联注意力机制三种模型。在项目的最后，通过进行模型测试，证明模型有较好的语义分割能力。