Jclian

people_relation_extract. 结合BERT+GRU+ATT模型，对自己收集的人物关系数据进行模型训练，用于人物关系抽取。

spo_extract_platform. 本项目是利用深度学习技术来构建知识图谱方向上的一次尝试，作为开放领域的关系抽取，算是笔者的一次创新，目前在这方面的文章和项目都很少。

embedding_rerank_retrieval. 本项目是针对RAG中的Retrieve阶段的召回技术及算法效果所做评估实验。使用主体框架为LlamaIndex.

knowledge_graph_demo. 本项目用于展示三元组抽取后形成的知识图谱，包括几本小说的实体关系，以及README.md，介绍这方面的一篇文章。

multi-label-classification-4-event-type. multi-label-classification-4-event-type

ccks_triple_extract. 限定领域的三元组抽取的一次尝试，本文将会介绍笔者在2019语言与智能技术竞赛的三元组抽取比赛方面的一次尝试。

llm_math_solver. 本项目用于大模型数学解题能力方面的数据集合成，模型训练及评测，相关文章记录。

ALBERT_text_classification. 利用ALBERT实现文本二分类，判别是否属于政治上的出访类事件，提升模型训练和预测速度。

embedding_model_exp. 本项目用于Embedding模型的相关实验，包括Embedding模型评估、Embedding模型微调、Embedding模型量化等。

keras_bert_multi_label_cls. 本项目采用Keras和Keras-bert实现文本多标签分类任务，对BERT进行微调。

bert_doc_binary_classification. 文本二分类任务，是否文档是否属于政治上的出访类事件，利用BERT提取特征，模型采用简单的DNN。

ALBERT_4_Time_Recognition. 使用ALBERT预训练模型，用于识别文本中的时间，同时验证模型的预测耗时是否有显著提升。

keras_bert_text_classification. 本项目采用Keras和Keras-bert实现文本多分类任务，对BERT进行微调。

keras_bert_sequence_labeling. 本项目采用Keras和Keras-bert实现中文序列标注，对BERT进行微调，并在多个命名实体识别数据集上进行测试。

-word-. 利用文本分析算法和Python脚本，自动纠正word中的英语单词拼写错误

llm_evaluation_4_mmlu. Using LLM to evaluate MMLU dataset.

Sentiment_Analysis. using LSTM model for sentiment analysis.

transformers_chinese_text_classification. 本项目采用transformers模块，使用bert-base-chinese模型实现文本多分类。

UniLM_Chinese_DEMO. 本项目使用云问科技训练的中文版UniLM模型对微博数据集进行自动标题生成。

pytorch_transformer_chinese_text_classification. 本项目演示如何在PyTorch中使用Transformer模型进行中文文本分类

Chinese_Time_Recogniztion. 利用深度学习模型，在小标注量数据上，进行文本中的时间识别。

pytorch_english_mltc. PyTorch使用BERT进行英语多标签文本分类

llm_4_doc_qa. 本项目用于文档问答，使用向量嵌入 + ES 做召回，使用Rerank模型作为精排，再使用LLM做文档问答，Web框架使用Flask。

CNN_4_Verifycode. 使用Keras搭建CNN模型，破解简单的网页验证码

llm_open_triplet_extraction. 本项目使用大语言模型（LLM）进行开放领域三元组抽取。

PyTorch_Learning. learning pytorch step by step

DL_4_NER. Using Bi-LSTM model for NER in English.

multi-modal-image-search. 本项目使用LLaVA 1.6多模态模型实现以文搜图和以图搜图功能。

cnews_text_classification. 利用kashgari轻松搭建文本分类模型。

entity_tagging_platform. A simple and useful platform for entity tagging using tornado.

huggingface_translation_model. 使用HuggingFace翻译模型的一次尝试

pytorch_transformers_english_ner. 本项目采用PyTorch和transformers模块实现英语序列标注，其中对BERT进行微调。

Shicijielong. Using Python spider to complete a funny game named Shicijielong.

keras_bert_multiple_choice_MRC. 本项目采用BERT等预训练模型实现多项选择型阅读理解任务（Multiple Choice MRC）

WSD_With_Text_Extraction. 抽取式NLP模型（阅读理解模型，MRC）实现词义消歧（WSD）

keras_albert_multi_label_cls. 本项目采用Keras和ALBERT实现文本多标签分类任务,其中对ALBERT进行微调。

alias_find_system. 别名发现系统

tensorflow-serving_4_kashgari. Using tensorflow/serving to deploy kashgari model for time training and predicting.

Docker_env_test. 该项目用于演示如何构建Python开发环境的Docker镜像，并使用PyCharm连接Docker镜像进行开发测试。

ES_Learning. Example codes for Elasticsearch learning with Python.

resnet_4_cifar10. Using Keras ResNet model to classify CIFAR-10 dataset.

Keras_R_BERT. 本项目使用Keras实现R-BERT，在人物关系数据集上进行测试验证。

Movie_graphknowledge. 利用2019年语言和智能比赛的数据和训练的模型，对开放的影视新闻进行三元组抽取，形成影视知识图谱。

tf_hub_english_text_classification. 本项目使用tensorflow_hub中的BERT模型，对英语电影评论数据集（IMDB）进行文本二分类。

Keras_4_multiclass. Using Keras to create a DNN model to solve classical multiclass problem using IRIS data.

text_corrector_corpus_auto_generation. 该项目致力于从中文文字版PDF文档中，自动化构建出高质量的中文文本纠错语料。

vllm_learning. 本项目用于大模型部署工具vLLM的研究与学习。

celery_example. two examples for celery with python, one for math operation, the other for web scraping.

Keras-K-fold-test. 本项目以iris.csv和DNN模型为例，演示如何在Keras中使用K-fold交叉验证。

dynamic_quantization_on_bert. 本项目使用动态量化（Dynamic Quantization）技术对BERT模型进行量化，并实验量化后的模型在推理性能和效果上的表现。

keras_roberta_text_classificaiton. Use English Roberta PLM to do text classification(TC) task with GLUE dataset: SST-2.

CAPTCHA-Recognizition. Using CNN model to recognize CAPTCHA by using Keras.

Examples-of-Python-Spiders. There are three Python Spiders written by myself using PhantomJS, Selenium, and AutoIt.

docker_image_demo. 该项目用于显示如何使用Docker进行镜像打包，用于初学者入门。

relation_extract_people. 关系抽取之人物关系抽取，采用Pipeline方式。

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。

roberta_torch_2_tf. 本项目用于将HuggingFace提供的Roberta的Torch版本的模型转化为Tensorflow1.X版本的ckpt格式。

llm_relation_classification. 使用LLM对人物关系进行分类，记录模型训练、部署及评估结果。

Keras_quasi_Mul_BERT. 本项目使用Keras实现quasi Mul-BERT，在人物关系数据集上进行测试验证，其中quasi的意思为近似，因为Mul-BERT模型的论文还未发表，更多模型的细节还未知，因此为近似Mul-BERT。

keras_bert_DCMN. 使用DCMN模型完成多项选择阅读理解型任务。