针对中文文本自动校对提出了一种新的基于Seq2Seq和Bi-LSTM结合的深度学习模型。与传统的基于规则和概率统计的方法不同，基于Seq2Seq基础结构改进，加入了Bi-LSTM单元和注意力机制，实现了一个中文文本自动校对模型。采用F0.5与GLEU指标评价，通过公开的数据集进行不同模型的对比实验。实验结果表明，新模型能有效地处理长距离的文本错误以及语义错误，Bi-RNN以及注意力机制的加入对中文文本校对模型的性能有显著提升。

CLUENER细粒度命名实体识别 更多细节请参考我们的： : 数据类别： 数据分为10个标签类别，分别为: 地址（address），书名（book），公司（company），游戏（game），政府（government），电影（movie），姓名（name），组织机构（organization），职位（position），景点（scene） 标签类别定义和注释规则： 地址（address）: **省**市**区**街**号，**路，**街道，**村等（如单独出现也标记）。地址是标记尽量完全的, 标记到最细。 书名（book）: 小说，杂志，习题集，教科书，教辅，地图册，食谱，书店里能买到的一类书籍，包含电子书。 公司（company）: **公司，**集团，**银行（央行，中国人民银行除外，二者属于政府机构）, 如：新东方，包含新华网/中国军网等。 游戏（game）: 常见的游戏，注意

AI对联写手 欢迎！ 这是使用AI编写对联的有趣项目。 请查看我们的网站！ 介绍 什么是对联 对联是一首两行诗，具有严格的语义和恐惧规则 有关更多详细信息，请参见 （英语）页面。 这个项目是做什么用的 给定第一行（上联），模型将预测第二行（下联） 我们是住在加利福尼亚的一对中国夫妇，我们喜欢中国传统诗歌！ 该项目在以下方面得到了类似的改进（请参见参考资料，以了解他们的出色工作）： 据我们所知，这是TensorFlow 2中首次编写的此类文件 该模型相对于参考模型在（i）情感（意境）匹配方面进行了改进。 （ii）重复字符处理（请参见下面的“模型”部分） 例子 输入值 输出量 欲把心事付瑶琴 且将笔墨书诗画 半衾幽梦香初散 一曲清音韵未央 应是飞鸿踏泥雪 何如落雁归故乡 云破月来花弄影 雨停风送柳含烟 别后相思空一水 愁中寂寞又几回 书中自有黄金屋 笔下常留白玉簪 花谢花飞花满天 鸟啼

PyTorch中的Seq2Seq 这是用于在训练序列到序列模型的完整套件。 它由几个模型和代码组成，可以训练和推断使用它们。 使用此代码，您可以训练： 神经机器翻译（NMT）模型 语言模型 图像到字幕的生成 跳过思维的句子表示 和更多... 安装 git clone --recursive https://github.com/eladhoffer/seq2seq.pytorch cd seq2seq.pytorch; python setup.py develop 楷模 当前可用的模型： 简单的Seq2Seq递归模型 带注意解码器的递归Seq2Seq （GNMT）递归模型 变形金刚-来自的仅关注模型 数据集 当前可用的数据集： WMT16 WMT17 OpenSubtitles 2016 COCO图片标题 可以使用3种可用的分割方法对所有数据集进行标记： 基于字符的细

PyTorch中的快速批处理Bi-RNN（GRU）编码器和注意解码器实现 这段代码是用PyTorch 0.2编写的。 在PyTorch发行其1.0版本时，已经有很多基于PyTorch构建的出色的seq2seq学习包，例如OpenNMT，AllenNLP等。您可以从其源代码中学习。 用法：请注意有关注意力-RNN机器翻译的官方pytorch教程，除了此实现处理批处理输入，并且实现稍微不同的注意力机制。 为了找出实现方式在公式级别上的差异，下面的插图会有所帮助。 PyTorch版本机制图，请参见此处： PyTorch Seq2seq官方机器翻译教程： 巴赫达瑙（Bahdanau）注意图，请参

rnn的matlab代码实现seq2seq-注意 介绍 该代码实现了RNN / LSTM / GRU seq2seq和seq2seq +注意模型，用于单词级的训练和采样。 您可以在Bot，自动文本摘要，机器翻译，问题解答系统等中应用它。在这里，我们向您展示一个机器人演示。 要求 senna 此接口支持词性标记，分块，名称实体识别和语义角色标记。 用于采样。 您可以找到如何安装senna hdf5 它是一种文件格式，该格式快速，灵活，并受包括MATLAB，Python和R在内的各种其他软件的支持。 您可以找到如何安装hdf5 cutorch/cunn 如果要在GRU中运行代码，则需要安装cutorch和cunn。 [sudo] luarocks install cutorch [sudo] luarocks install cunn 数据集 我们将用作语料库，以实现与它的对话机器人。 下载完成后，确保目录data/的数据文件。 跑步 步骤1运行数据预处理代码，以生成数据集文件和词汇表文件。 python bot.py 如果要对任何其他数据集或任务进行研究，则可能需要实现预处理python

贝岭的matlab的代码Keras_Attention_Seq2Seq 以了解事物的本质。 人类可以阅读的基于 Keras 的生成注意机制的序列到序列框架。 一个人类可以基于Keras的阅读研究工具的序列到框架/模型。 测试通过 Python 3.6 TensorFlow 1.12.1 keras 2.2.4 tqdm json 如果您需要评估模型 BLEU： nltk 最快使用之一：使用经过训练的模型进行英法翻译 python run_seq2seq_model.py 记得在 run_seq2seq_model.py 中将操作模式设置为翻译模式。 if __name__=='__main__': is_translation_mode = True 你会看见... Please input your sentences: california is usually quiet during march , and it is usually hot in june . california is usually quiet during march , and it is usual

注意神经网络的序列到序列学习 更新：检出的beta版本，完全支持seq2seq-attn的功能完全重写。 Seq2seq-attn将继续受支持，但是新功能和优化将集中在新代码库上。 在编码器-解码器为LSTM的情况下，以（可选）注意标准序列到序列模型的实现。 编码器可以是双向LSTM。 此外，还可以选择通过运行卷积神经网络，然后运行基于字符嵌入的用作输入）来使用字符（而不是输入单词嵌入）。 注意模型是从，Luong等。 EMNLP2015。我们将全球通用注意力模型与本文中的输入反馈方法结合使用。 输入进纸是可选的，可以关闭。 角色模型来自“ ，Kim等。 AAAI 2016年。 在基线模型之上还有很多其他选项，这主要归功于的出色。 具体来说，有一些功能可以实现： 。 Luong等人，EMNLP 2015。 Costa-Jussa和Fonollosa，ACL，2016年。 。

注意：本系统不仅仅支持本地英汉互译服务，还可以部署于外网服务器或者云服务器 虽不如在线翻译，但基于深度学习框架训练的模型，翻译效果还是可以的。 支持的语言：中英互译 适用系统：一键开启版本仅支持Windows系统。 亮点：无需配置任何运行环境，一键双击exe即可开启服务，可以脱离互联网完全离线本地化进行文本的翻译工作，永久免费，免费，免费。 使用环境：windows系统（不要搞xp 我不确定能不能运行 太老了） 服务开启后是一个web服务的形式，提供一个api服务（http://127.0.0.1:5690），通过post的形式向本服务传输需要翻译的字符。 资源压缩包内有详细的使用说明，或访问https://tieba.baidu.com/p/7576401247?fid=20998&pid=141674797248&cid=0&red_tag=0487712649#141674797248查看使用说明和调用实例，下载后如遇到运行问题，请私聊我或者添加我使用说明内的联系方式，我将尽量解答。

tensorflow深度学习，使用encoder-decoder模型，进行诗词训练