PyThaiNLP：使用Python进行泰国自然语言处理
PyThaiNLP是一个Python软件包，用于文本处理和语言分析，类似于 ，重点是泰语。
PyThaiNLPเป็นไลบารีภาษาไพทอนสำหรับประมวลผลภาษาธรรมชากับคล้ายกับNLTKโดยเน้นภาษาไทย รายละเอียดภาษาไทย
消息
我们正在进行2分钟的调查，以了解有关您使用图书馆的经验以及您对图书馆应该能够做什么的期望。参加。
版本
描述
状态
稳定的
发布候选版本2.3
请关注我们的以获取更多更新。
PyThaiNLP入门
我们提供了以探索PyThaiNLP的功能；我们也有针对特定任务的教程。请访问。
最新文档位于 。
我们尝试使该包尽可能易于使用；因此，某些其他数据（例如单词列表和语言模型）可能会在运行时自动下载。 PyThaiNLP默认在目录~/pyt
2022-05-11 10:16:55
10.66MB
1
NLTK Natural Language Processing with Python中文版
2022-04-19 11:39:45
3.14MB
1
flask-demo
基于flask框架的使用神经网络模型识别过滤垃圾短信的Demo
快速起步
若提示缺少lib，pip install 对应的包即可
1.环境&技术
运行环境：Anaconda
后台框架：Flask
前端框架：Bootstrap
前端插件：
2.运行
python run.py
默认项目访问路径为
3.预览
感谢
感谢《Flask Web Development: Developing Web Applications with Python》一书，感谢提供了很棒的bootstrap-fileinput插件。
不足
对结果的展示不太好，无法和具体的垃圾短信一一对应，只用了g对象存储结果。
2022-04-14 22:35:07
78.11MB
1
Transformer自然语言处理，Natural Language Processing with Transformers: Building Language Applications with Hugging Face
2022-04-08 14:08:36
19.17MB
Transformer自然语言处理，Natural Language Processing with Transformers: Building Language Applications with Hugging Face
2022-04-08 14:08:35
10.9MB
中国自然语言处理（NLP）的共享任务，数据集和最新结果中文NLP中国自然语言处理（NLP）的共享任务，数据集和最新结果任务表共同引用分辨率对话状态管理情感分类实体链接实体标记语言建模机器翻译多任务学习词性（POS）标记问题回答关系提取情感分析简体/传统转换拼写校正文本摘要主题分类音译词嵌入W
2022-03-31 10:33:32
629KB
1
华侨城
OCTIS（优化和比较主题模型很简单）旨在训练，分析和比较主题模型，其最佳超参数通过贝叶斯优化方法进行估算。
安装
您可以使用以下命令安装OCTIS：
pip install -e .
您可以在requirements.txt文件中找到需求。
特征
我们提供了一组最新的预处理文本数据集（或者您可以预处理自己的数据集）
我们提供了一组著名的主题模型（经典模型和神经模型），或者您可以集成自己的模型
您可以使用几种最新的评估指标来评估模型
您可以使用贝叶斯优化相对于给定指标优化模型的超参数
我们提供了一个简单的网络信息中心，用于启动和控制优化实验
获取预处理的数据集
要获取数据集，您可以使用内置源之一。
from octis . dataset . dataset import Dataset
dataset = Dataset ()
dataset . load ( "oc
2022-03-28 22:52:25
8.52MB
1
MatchPyramid用于语义匹配
MatchPyramid模型的简单Keras实现，用于语义匹配。 请参考论文：
快速浏览
输入数据格式
火车/有效套票：
label |q1 |q2
1 |Q2119 |D18821
0 |Q2119 |D18822
测试集：
q1 |q2
Q2241 |D19682
Q2241 |D19684
预处理语料库：
qid |words
D9980 |47 0 1 2 3 4 5 6 7 8 9 10
D5796 |21 40 41 42 43 44 14 45
字词嵌入：
word |embedding (50-dimension)
28137 |-0.54645991 2.28509140 ... -0.34052843 -2.01874685
8417 |-9.01635551 -3.80108356 ... 1.86873138 2.147
2022-03-14 15:30:57
108.95MB
1
亚马逊评论情绪分析
情感分析一直在增长-既由于深度学习中使用了新的分析技术，又因为到处都有大量的数据生成。 每条产品评论，每条推文，每条Reddit帖子等均包含我们希望能够处理和理解的主观信息。
例如，假设您是Netflix。 然后，您对客户对您的服务和电视节目/电影选择要说的话非常感兴趣，并且您可能会希望挖掘Facebook帖子和推文以及IMDB评论等，以评估公众意见。 如果您是一名政客，那么您（希望）对选民的想法，他们想要什么，他们持有哪些宝贵价值观等感兴趣，因此您可能会有一个团队来分析这些领域的公众情绪。 如果您是企业家，那么您会对公众舆论感兴趣，因为它关系到您的利基，产品和竞争，因为
2022-03-13 16:30:37
37KB
1