AI

learning_to_rank. 利用lightgbm做(learning to rank)排序学习，包括数据处理、模型训练、模型决策可视化、模型可解释性以及预测等。Use LightGBM to learn ranking, including data processing, model training, model decision visualization, model interpretability and prediction, etc.

movie_knowledge_graph_app. 电影知识图谱，主要包括实体识别、实体查询、关系查询以及智能问答等。movie knowledge graph(Entity identification, graph display, and intelligent question and answer)

education_knowledge_graph_app. Education knowledge graph(graph display, knowledge point tracking, intelligent question and answer，questions knowledge point prediction)。k12教育学科知识图谱，图谱展示，知识点追踪，智能问答以及题目知识点预测。

albert_lstm_crf_ner. albert + lstm + crf实体识别，pytorch实现。识别的主要实体是人名、地名、机构名和时间。albert + lstm + crf (named entity recognition)

Doc-Image-Tool. 文档图像处理工具(Document image processing tool)，包括漂白 / 文字方向矫正 / 清晰增强 / 笔记去噪美化 / 去阴影 / 扭曲矫正 / 切边增强(DocBleach / TextOrientationCorrection / DocSharpening / HandwritingDenoisingBeautifying / DocShadowRemoval / document_image_dewarping / DocTrimmingEnhancement)。

intelligent_medical. intelligent medical，智慧医疗，包括疾病搜索、相关推荐、疾病医疗问答以及智能疾病诊断等功能。

jcorrector. jcorrector 中文文本纠错工具， Text Error Correction Tool，Spelling Check

llm_corpus_quality. 大模型预训练中文语料清洗及质量评估 Large model pre-training corpus cleaning

java-springboot-paddleocr. 本项目利用java加载paddle-ocr的C++编译的exe文件，并利用springboot进行web部署访问。This project loads the C++ compiled version of paddle-ocr in java and makes use of springboot for web deployment.

layout_analysis. 中文版面检测（Chinese layout detection），yolov8 is used to detect the layout of Chinese document images。

gnn4lp. gnn for link prediction，图神经网络用于链接预测。

pdf_invoice_parser. pdf invoice parser，pdf-ofd发票解析。

intent_detection_and_slot_filling. intent detection and slot filling 意图识别与槽填充联合模型

spark_data_mining. spark tutorial for big data mining。包括app流量运营分析、als推荐、smote样本采样、RFM客户价值分群、AHP层次分析客户价值得分、手机定位数据商圈挖掘、马尔可夫智能邮件预测、时序预测、关联规则、推荐电影好友等。

text_security_audit. text security audit 安全审核-语义模型过滤 敏感内容检测系统

movie_kg. 基于知识图谱的电影智能问答。neo4j构建电影图谱，spark ml完成问答意图分类，将问答语句转为cypher查询语句完成匹配查询。

java-springboot-paddleocr-v2. 本项目利用JNI加载paddle-ocr的C++编译的dll库，并利用springboot进行web部署访问。This project uses JNI to load the C++ compiled dll libraries of paddle-ocr, and uses springboot for web deployment

recommendation_methods. 个性化推荐模型，主要包括als、als_wr、biaslfm、lfm、nmf、svdpp、基于内容、基于内容回归、user-cf、item-cf、slopeone、关联规则以及基于内容和cf的混合等模型。

llm-knowledge-graph. 利用大模型LLM对中文文本、图片以及pdf中的非结构化文本内容进行分析，并提取主-谓-宾（SPO）三元组的知识形式，以及将这些关系可视化为知识图谱。The large LLM model is used to analyze the unstructured text content in Chinese text, picture and pdf, extract the knowledge form of subject-predicate-object (SPO) triad, and visualize these relations as knowledge graph.

punctuation_prediction. chinese sentence punctuation prediction，中文句子标点符号预测。

llm_security. 利用分类法和敏感词检测法对生成式大模型的输入和输出内容进行安全检测，尽早识别风险内容。The input and output contents of generative large model are checked by classification method and sensitive word detection method to identify content risk as early as possible.

pdf_multimodal_rag. pdf multimodal rag 【pdf多模态rag问答】

table_structure_recognition. 利用Swin-Unet(Swin Transformer Unet)实现对文档图片里表格结构的识别，Swin-unet (Swin Transformer Unet) is used to identify the document table structure

layout_analysis4j. 利用java-yolov8实现版面检测（Chinese layout detection），java-yolov8 is used to detect the layout of Chinese document images

AutoText. 智能文本自动处理工具（Intelligent text automatic processing tool）。AutoText的功能主要有文本纠错，图片ocr、版面检测以及表格结构识别等。The main functions of this project include text error correction, ocr, layout-detection and table structure recognition.

gcn_for_prediction_of_protein_interactions. gcn for prediction of protein interactions，图卷积用于蛋白质相互作用。

knowledge-automatic-tagging. 题目知识点预测标注。Question knowledge point prediction.

pdf_to_docx. ocr，pdf转docx，pdf to docx

onnx-java. onnx-java，这里利用java加载onnx模型，并进行推理。

python_search. 利用sklearn和gensim中的tfidf,lsa,doc2vec进行查询与文档匹配搜索

contract_review. 合同智能审核，contract review。

albert_re. albert-fc for RE(Relation Extraction)，中文关系抽取

albert_link_prediction. albert-fc for LP(Link Prediction)，中文实体链接预测

model2onnx. model2onnx，将roberta和macbert模型转为onnx格式，并进行推理。

macbert-java-onnx. MacBERT for Chinese Spelling Correction, macbert中文拼写纠错

Image_KIE_LLM. 利用llm大语言模型提取卡证票据关键信息。Key Information Extraction from Image with LLM(large language model).Basically, it can extract key information from all bills and documents.

t5-onnx-corrector. t5-model-onnx，中文拼写纠错，Chinese spelling correction。

doc_ai. 这里将paddle中的ocr等模型转为onnx格式，并利用java版深度框架djl加载这些onnx模型进行推理预测尝试。

text_generation. Title and keywords are used to generate text.

text_grapher. 利用java对文章进行分析并图谱化展示（主要提取关键词、实体、依存分析等）。

intent_classification. 深度网络实现意图分类。

ad_detect_textcnn. textcnn for advertising detection，广告检测

movie_llm_agent. langchain agent，chatglm，neo4j实现movie qa。

table_ocr_java. TABLE DETECTION IN IMAGES AND OCR TO CSV WITH JAVA

chinese_sentence_paraphrase. sentence paraphrase

albert_srl. albert-crf for SRL(Semantic Role Labeling)，中文语义角色标注。

albert_ner. albert-crf for NER(Named Entity Recognition)，中文实体识别。

chatbot_chinese. Chinese chatbot for neural machine translation in PyTorch.Including basic seq2seq、seq2seq with attention、pointer generator、seq2seq with cnn and so on.

NewsSummary. 一个改进的新闻摘要程序(an improved method of news summary)

CNN4IE. Chinese Information Extraction Toolkit。中文信息抽取工具。利用CNN各种变体进行实体抽取。

sentence_rewriting. chinese sentence rewriting

knowledge_point_graph. spark neo4j java 知识图谱数据处理

paper_read_note. 论文阅读笔记，paper reading notes

bert_ndcg_lp. bert-ndcg for LP(Link Prediction)，链接预测

customer_support_assistant. customer support assistant是智能客服支持助手项目，利用LLM对Query的理解，去调用相应函数，实现智能客服功能。

CPPCorrector. CPPCorrector 中文文本纠错工具， Text Error Correction Tool，Spelling Check

text-de-duplication. text de-duplication 文本去重

ChatExcel. chat excel

micrograd4j. A micro scalar-valued Autograd engine developed with java, and a neural net library on top of it.

data_clear_rule_for_nlp. chinese data cleaning rules