Discover WenRichard/Event_Identification_NER

Stars
16
Rank 1,311,288 (Top 26 %)
Language
Python
License
Apache License 2.0
Created over 3 years ago
Updated over 3 years ago

WenRichard

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

互联网舆情企业风险事件的识别和预警，将公司名称进行实体提取，对新闻进行舆情分类，比赛地址为：http://ailab.aiwin.org.cn/competitions/48#learn_the_details

KBQA-BERT

基于知识图谱的问答系统，BERT做命名实体识别和句子相似度，分为online和outline模式

Python

1,449

QAmodel-for-Retrievalchatbot

客服机器人，Chinese Retreival chatbot（中文检索式机器人）用到的一些QA模型，基于tf-idf，lsa，cnn，transformer，bert等

Python

438

Customer-Chatbot

中文智能客服机器人demo，包含闲聊和专业问答2个部分，支持自定义组件（Chinese intelligent customer chatbot Demo, including the gossip and the professional Q&A(FAQ) , support for custom components！）

Python

308

DIAC2019-Adversarial-Attack-Share

DIAC2019基于Adversarial Attack的问题等价性判别比赛

NER-FunTool

本NER项目包含多个中文数据集，模型采用BiLSTM+CRF、BERT+Softmax、BERT+Cascade、BERT+WOL等，最后用TFServing进行模型部署，线上推理和线下推理。

Python

KBQA-Exploration

知识图谱初探，关系抽取，实体抽取，基于kb的问答，基于es的问答，知识图谱可视化

Python

CNN-in-Answer-selection

WikiQA，复现论文《APPLYING DEEP LEARNING TO ANSWER SELECTION: A STUDY AND AN OPEN TASK》

Python

Light_SimMatch

面向中文领域的轻量文本匹配框架，集成文本匹配，文本蕴含，释义识别等领域的各个经典，STA模型

ELMO-NLP

ELMO在QA问答，文本分类等NLP上面的应用

Python

man_qa

WikiQA，复现论文《Multihop Atention Networks for Qestion Answer Matching》

Python

compare-aggregate

复现《A Compare-Aggregate Model for Matching Text Sequences》论文 via Tensorflow

Python

Hmm-CRF

隐马尔科夫模型前向，后向，维特比算法实现，sklearn版的crf实现

Python

EntityCorrect_Tool

利用actrie树进行句子实体纠错和标准实体抽取，实体纠错：找商银行 -> 招商银行；实体标准化，招行 -> 招商银行

Python

Pandas-exploration

Pandas分析数据，可视化

Python

Attention-over-Attention

Attention-over-Attention模型实现

NLP_Learning

Seq2Seq_Char

MPCNN

CNN在句子相似性建模的应用,“Multi-Perspective Sentence Similarity Modeling with Convolution Neural Networks”这篇论文的tensorflow实现

Python

Intelligent-Furniture-FAQ

智能家居FAQ部分（FAQ of Intelligent-Furniture）

Python

WenRichard/Event_Identification_NER_Classfication

WenRichard

Reviews

Repository Details

More Repositories