NLP

NLP(自然语言处理)是人工智能的一个重要分支,致力于研究计算机与人类自然语言之间的交互,目标在于使机器能够​​理解、解释和生成人类语言​​。其核心任务涵盖基础技术如​​分词、词性标注、句法分析​​,到高级应用如​​机器翻译、情感分析、智能问答、文本摘要和语音识别​​。传统方法依赖统计机器学习与语言学规则,而现代NLP几乎完全由​​深度学习​​驱动:​​词嵌入​​(如Word2Vec)将词语映射为稠密向量,​​循环神经网络(RNN)​​、​​长短期记忆网络(LSTM)​​ 以及​​Transformer架构​​(如BERT、GPT系列)依靠注意力机制彻底改变了序列建模能力,使模型能够捕捉上下文语义的细微差别。预训练大语言模型(LLM)的出现,如ChatGPT,进一步推动NLP进入通用语言理解和生成的新阶段。NLP技术已广泛应用于搜索引擎、智能助理、机器翻译、内容推荐、舆情分析等领域,持续推动人机交互方式的变革,并成为当代AI技术落地最成功的方向之一。
模块 |功能说明异构GPU发现与注册|基于HAMi框架,自动识别NVIDIA、昇腾、寒武纪等不同厂商GPU,上报型号、显存、算力、健康状态智能调度器 |实现Binpack(碎片最小化)、Spread(高可用)、Affinity(数据本地化)、Cost(成本优先)等多种调度策略,支持策略热切CXL内存
80Python人工智能
我在宏瓴任人工智能工程师期间,带领团队完成了多模态保险定损理赔智能体的第一版本的开发。该智能体可以通过主智能体与子智能体协作的方式,通过集成后台图片识别算法,文字ocr算法,定损逻辑,视频识别与比对算法,完成出险保单的多模态信息整合与损失情况的判别。然后再经过人工确认后,进入谈赔流程,由客服智能体根
320Python人工智能
我们为客户量身打造了一个企业级的“AI智能通讯平台”,成功将其客服部门从成本中心转型为强大的利润引擎。•7x24小时AI客服坐席:我们部署了一个先进的AI智能客服,可以全天候处理客户来电。它利用尖端的自然语言处理(NLP)技术,能同时处理多路通话、解答常见问题并无缝完成服务预约,确保在任何时间都能提
480NLP人工智能
1、项目功能模块本项目包含五大核心模块:数据预处理模块(字符级词表构建、编码解码、批量采样);模型架构模块(多头注意力机制、前馈网络、Transformer块堆叠、位置编码);训练优化模块(Adam优化器、交叉熵损失计算、梯度更新与监控);文本生成模块(自回归推理、上下文截断、随机采样生成);模型持
680Python人工智能
为中小企业开发基于Python+PyTorch的AI办公助手,实现文档自动分类、关键信息提取、数据清洗与整合、智能报表生成、流程审批自动化等功能,支持与企业现有系统无缝对接,大幅提升企业办公效率,降低人力成本。
920Flask企业服务
系统包含以下核心功能模块:1、智能对话引擎:基于大语言模型的多轮对话系统,支持上下文理解、意图识别和情感分析,对话准确率达到87%以上。2、知识库管理:支持结构化和非结构化知识的导入、编辑和版本管理,采用向量检索技术实现语义级别的知识匹配。3、数据分析看板:实时展示会话量、AI解决率、响应时间、用户
870Python人工智能
一、多源分布式全网数据采集模块支持三大灵活采集模式,覆盖互联网全域文本数据(新闻、论坛、博客、微博),突破各类反爬限制,实现精准、高效、稳定采集:1.领域关键词采集:用户输入领域关键词+时间范围,分布式实时爬虫全网采集对应领域数据(如「华为产品分析2014.03-2014.05」);2.指定URL采
1100NLP人工智能
本工具包含6大核心功能模块:1.**文本处理模块**:支持手动输入/本地文本导入,兼容UTF-8编码,避免中文乱码;2.**多模式分词**:提供标准、极速、NLP三种分词模式,满足不同场景效率/精度需求;3.**自定义词典管理**:支持批量导入行业词汇、动态添加新词,适配专业领域分词需求;4.**停
980Java开发工具
1、具体功能模块:3D数字人接待:可定制形象与展示话术,支持“唤醒词+电话式持续对话”。语音交互:流式ASR实时转写、静默判定自动提交、支持打断/继续监听。知识库问答:多轮对话+检索增强,三级卡片结构(编号/路径/要点/口径)便于维护与口径统一。多模态输出:语音播报同步文字要点,可扩展产品图片/资料
1290Java人工智能
主要分为1.边缘计算设备,作为本地的计算核心,部署LLM,Mcp服务,语音交互工作流,深度学习的算法模型检测等。2.控制器,基于Esp32s3过uart串口与边缘计算设备通信,传输数据调用mcp服务控制机器人的休眠状态,功放开启等
810Python机器人
ljq_gsch是一个完整的股票数据采集、存储、分析和预测系统。系统通过BaostockAPI获取股票数据,存储到MySQL数据库,并提供API接口和机器学习预测功能。功能特性1.数据采集股票基本信息历史K线数据(日线、分钟线)财务数据(利润表、资产负债表等)指数成分股数据宏观经济数据2.数据存储M
1900Python人工智能
个人主要负责搜索.1.可以搜索地名,地址,地标,商家;2.除了模糊搜索,还可以按类型,范围,区域搜索,以及组合搜索;3.除了可以搜,还可以评论,下单买电影票,订酒店,买团购.
1240Java生活旅游
●项目介绍:本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集,设计并实现了一个轻量级CNN。最终,模型在独立测试集上取得了4.39的平均绝对误差(MAE),并使用Flask框架将其封装成一个可交互的Web应用,完整实现了从数据获取、模型训练到服务部署的全流程。
2630Python人工智能
ChatBi(水晶球)产品系统
本平台聚焦零售场景数据价值挖掘,以“用数自由”为核心目标,整合零售业务数据与查询指标,通过“可视化呈现-智能预测-归因分析-高效交互”全流程能力,助力业务人员快速洞察数据、决策优化,核心功能如下:一、多维度可视化BI展示基于零售核心指标(如销售额、客流量、库存周转率、客单价等),提供5类专业BI控件
3151Python金融
爬虫项目简述产品系统
1. 负责设计和开发分布式网络爬虫系统,进行多平台信息的抓取和分析工作; 2. 负责互联网资源清洗和结构化,网页转码,网页聚合,信息抽取,数据清洗,网页分类; 3. 负责设计和开发分布式网络爬虫系统,进行多平台信息的抓取和分析工作; 4. 有票务、股票、证劵等爬虫经验的优先,具备HTML、CSS、JavaScript等前端技术知识,能够解析网页结构; 5. 优化爬虫策略和调度,提升爬取速度、降低资源消耗
1680Flask爬虫
项目内容:构建美国科学研究系统的知识图谱,由NIH和NSF数据构建网络,并用复杂网络理论对合作模式进行挖掘。 项目技术:Schema设计、ER图、Scrapy爬虫、知识图谱、Neo4j、复杂网络分析(节点中心性、聚类系数)、Mediawiki 项目成果:爬取数据后,构建极大连通子图包含52883条12年NIH数据、47949条14年NSF数据,数据融合后总计100832条数据43个特征,并绘制4类实体UML类图、Protege本体图,构建含71489个节点86177个关系的Neo4j知识图谱,并通过复杂网络统计指标分析,揭示跨机构合作模式,通过MediaWiki展示在SMW平台
2800Python知识图谱
项目技术:数据增强(镜像反转、左右各旋转30度、增加噪点、MSRCR处理光线)、迁移学习、ReduceLROnPlateau缩小学习率、Xception/InceptionResNet-V2特征融合 项目成果:从Kaggle中获取999条数据,采用迁移学习及微调模型比较多个深度学习模型的准确率后,得到Xception模型最高仅为95.6%,对模型进行特征融合,模型准确率提升至98.4%
1740Python机器学习
项目技术:随机森林、LSTM、SVR 项目成果:总计1825条数据20个特征,构建了4个新特征总计24个特征,绘制饼状图、箱形图等对特征选择并比较不同特征效果,随机森林、SVR采用R2、MAE、MSE评估指标,LSTM采用MAE、MSE评估指标,比较两个模型的结果后,最终采用LSTM模型,MAE与MSE分别为0.01416,0.0026
2040Python机器学习
项目内容:使用t-sne降维方法对抖音的客户数据进行分析,构建用户画像分析客户对不同物品的偏好程度。 项目技术:t-sne降维、jieba分词、构建用户画像、PyQt5 项目成果:Python连接Mysql数据库获取10w+数据量,经过特征生成、数据预处理、构建模型后,并通过PyQt5搭建前端并程序化,一键生成总计9类不同投放方26个特征的roi及不同客户的商品偏好词云。
1270Pythonnlp
项目内容:使用k-prototypes聚类方法对好大夫在线网站获取的医生数据进行分析,构建用户画像分析互联网医疗行业的分级诊疗情况。 项目技术:Scrapy爬虫、SWOT分析、哈工大LTP分词、K-prototypes聚类、PCA/t-sne降维可视化、构建用户画像、文献调研 项目成果:根据2952447条数据29个特征建立模型,识别8类核心用户群体,为互联网+医疗促进分级诊疗制度的实施提供数据支持
1200Pythonnlp
当前共496个项目more
×
寻找源码
源码描述
联系方式
提交