Ming Xu (徐明)

pycorrector. pycorrector is a toolkit for text error correction. 文本纠错，实现了Kenlm，T5，MacBERT，ChatGLM3，Qwen2.5等模型应用在纠错场景，开箱即用。

MedicalGPT. MedicalGPT: Training Your Own Medical GPT Model with ChatGPT Training Pipeline. 训练医疗大模型，实现了包括增量预训练(PT)、有监督微调(SFT)、RLHF、DPO、ORPO、GRPO。

text2vec. text2vec, text to vector. 文本向量表征工具，把文本转化为向量矩阵，实现了Word2Vec、RankBM25、Sentence-BERT、CoSENT等文本表征、文本相似度计算模型，开箱即用。

python-tutorial. Python实用教程，包括：Python基础，Python高级特性，面向对象编程，多线程，数据库，数据科学，Flask，爬虫开发教程。

similarity. similarity: Text similarity calculation Toolkit for Java. 文本相似度计算工具包，java编写，可用于文本相似度计算、情感分析等任务，开箱即用。

textgen. TextGen: Implementation of Text Generation models, include LLaMA, BLOOM, GPT2, BART, T5, SongNet and so on. 文本生成模型，实现了包括LLaMA，ChatGLM，BLOOM，GPT2，Seq2Seq，BART，T5，UDA等模型的训练和预测，开箱即用。

similarities. Similarities: a toolkit for similarity calculation and semantic search. 相似度计算、匹配搜索工具包，支持亿级数据文搜文、文搜图、图搜图，python3开发，开箱即用。

ChatPDF. RAG for Local LLM, chat with PDF/doc/txt files, ChatPDF. 纯原生实现RAG功能，基于本地LLM、embedding模型、reranker模型实现，支持GraphRAG，无须安装任何第三方agent库。

ChatPilot. ChatPilot: Chat Agent Web UI，实现Chat对话前端，支持Google搜索、文件网址对话（RAG）、代码解释器功能，复现了Kimi Chat(文件，拖进来；网址，发出来)。

parrots. Automatic Speech Recognition(ASR), Text-To-Speech(TTS) engine. 中英语音识别、多角色语音合成，支持多语言，准确率高

pytextclassifier. pytextclassifier is a toolkit for text classification. 文本分类，LR，Xgboost，TextCNN，FastText，TextRNN，BERT等分类模型实现，开箱即用。

nlp-tutorial. 自然语言处理（NLP）教程，包括：词向量，词法分析，预训练语言模型，文本分类，文本语义匹配，信息抽取，翻译，对话。

agentica. Agentica: Lightweight async-first Python framework for AI agents. 轻量级异步优先的AI Agent框架，支持工具调用、RAG、多智能体和MCP。

dialogbot. dialogbot, provide search-based dialogue, task-based dialogue and generative dialogue model. 对话机器人，基于问答型对话、任务型对话、聊天型对话等模型实现，支持网络检索问答，领域知识问答，任务引导问答，闲聊问答，开箱即用。

addressparser. 中文地址提取工具，支持中国三级区划地址（省、市、区）提取和映射，支持地址热力图绘制。

pke_zh. pke_zh, python keyphrase extraction for chinese(zh). 中文关键词或关键句提取工具，实现了KeyBert、PositionRank、TopicRank、TextRank等算法，开箱即用。

chatgpt-webui. ChatGPT WebUI using gradio. 给 LLM 对话和检索知识问答RAG提供一个简单好用的Web UI界面

lmft. ChatGLM-6B fine-tuning.

imgocr. Python3 package for Chinese/English OCR,use paddleocr-v5 onnx model(~20MB), with ultra-fast inference speed. 基于ppocr-v5-onnx模型推理，中英文OCR开源SOTA，推理速度超快。

nerpy. 🌈 NERpy: Implementation of Named Entity Recognition using Python. 命名实体识别工具，支持BertSoftmax、BertSpan等模型，开箱即用。

open-o1. open-o1: Using GPT-4o with CoT to Create o1-like Reasoning Chains

pysenti. Chinese Sentiment Classification Tool. 情感极性分类，基于知网、清华、BosonNLP情感词典，易扩展，基准方法，开箱即用。

companynameparser. company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。

CodeAssist. CodeAssist is an advanced code completion tool that provides high-quality code completions for Python, Java, C++ and so on. CodeAssist 是一个高级代码补全工具，高质量为 Python、Java 和 C++ 补全代码。

judger. 自动作文评分工具，支持中文、英文作文智能评分，支持评分模型自训练，支持WEKA处理模型数据，支持自定义评分算法。java开发。

github-hot. Tracking the hot Github repos and update daily 每天自动追踪Github热门项目

relext. RelExt: A Tool for Relation Extraction from Text. 文本实体关系抽取工具。

deep-research. Python implementation of AI-powered research assistant that performs iterative, deep research on any topic by combining search engines, web scraping, and large language models.

SearchGPT. SearchGPT: Building a quick conversation-based search engine with LLMs.

rater. rater, recommender systems. 推荐模型，包括：DeepFM，Wide&Deep，DIN，DeepWalk，Node2Vec等模型实现，开箱即用。

text-feature. 文本特征提取，适用于小说，论文，议论文等文本，提取词语、句子、依存关系等特征。python开发。

pinyin-tokenizer. pinyintokenizer, 拼音分词器，将连续的拼音切分为单字拼音列表。

labelit. labelit, label tool with active learning, for classification task. 自动标注，基于主动学习，边标注边学习，减少人工标注量。

title-generator. Automatic Text Summarization and Title Generation.

thinking-intervention. Used for thinking process intervention of reasoning models such as DeepSeek-R1, effectively controlling the reasoning thinking process. 用于DeepSeek-R1等推理模型的思维过程干预，有效控制推理思考过程

case-analysis. NLP之病历分析：从病历文本之中提取关键信息，便于后续分析处理。

EssaySocring. 英文作文自动评分系统，支持评分模型自训练，支持WEKA处理模型数据，支持自定义评分算法。Java开发。

weibo-roast. 一个微博毒舌AI，疯狂 diss 微博博主

crf-seg. crf-seg:用于生产环境的中文分词处理工具，可自定义语料、可自定义模型、架构清晰，分词效果好。java编写。

AIDailyNews. auto push daily news with ai

text2vec-service. Service for Bert model to Vector. 高效的文本转向量(Text-To-Vector)服务，支持GPU多卡、多worker、多客户端调用，开箱即用。

zh-normalization. Chinese(zh) sentence NSW(Non-Standard-Word) Normalization

authorship-identification. 【今日头条】文本作者身份识别比赛

fake-news-detector. Fake News Detection Competition

mcp-run-python-code. Python interpreter, MCP server, no API key, free. Get results from running Python code. Python代码解释器MCP，功能包括：执行python代码，运行python库安装，运行python脚本。

ChatGPT-API-server. build a python server for ChatGPT API.

cpp-tutorial. C++开发实例教程，基础，开源库进阶，高级技巧。

nlpcommon. NLP common tools.

text2vec-encoder. **Text2vecEncoder** wraps the text2vec model with jina. It encodes text data into dense vectors.

ChatGPT-Next-Web. A cross-platform ChatGPT/Gemini UI (Web / PWA / Linux / Win / MacOS). 一键拥有你自己的跨平台 ChatGPT/Gemini 应用。

weather-forecast-server. weather-forecast-server, MCP server, without api key, free. Get weather for cities around the world. 免费天气预报MCP工具。

HanLP. 自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 自动摘要 短语提取 拼音 简繁转换

cvnet. have fun with image AI

t5-pegasus-pytorch. 追一科技开源的t5-pegasus的Pytorch实现

codev. Code Agent, Code Dev tool.

BlogDemo. 我的csdn博客中使用的代码，主要是算法。

phrase-search. 短语搜索，支持公司名称、地址名称等短语的搜索，支持自定义排序、拼音处理，内置jetty提供web接口。java编写。

ansj_seg. ansj分词.ict的真正java实现.分词效果速度都超过开源版的ict. 中文分词,人名识别,词性标注,用户自定义词典

DeepCTR. Easy-to-use,Modular and Extendible package of deep-learning based CTR models.

html5-demos. Use the html5 to show funny web demos