自然语言处理

智能问答系统产品系统
面向对象与解决问题 主要面向需要高效问答服务的企业用户和个人用户,解决了用户在信息查询、文档内容理解和知识管理方面的痛点。通过提供开放性问答和文档问答功能,用户能够快速获取精准答案,同时支持语料库管理和多轮对话,满足多样化的知识需求。 方案特点 个性化助手定制:用户可以创建个人助手,根据自身需求设置助手名称、提示语和图标,实现个性化问答服务。 灵活的问答方式:支持开放性问答和文档问答,用户可以根据需求选择不同的问答模式,精准定位答案。 多轮对话与语料库管理:支持多轮问答,用户可以深入探讨问题;同时提供语料库查看、问题推荐和评价功能,优化问答体验。 模型灵活切换:支持市面上多种主流大模型,用户可以根据需求切换模型,提升问答效果。 便捷的文件管理:支持语料上传、审核和历史会话管理,方便用户管理和复用知识资源。 产品组成与技术选型 基于大模型技术开发,支持多种主流模型切换,通过语料库管理和问答功能实现高效的知识交互。产品由登录模块、问答模块、助手管理模块、语料库管理模块、历史会话模块等组成,结合用户反馈优化问答效果,提升用户体验。
200Java教育
视频描述产品系统
1. 使用transformer模型,完成视频序列到文本序列的转换,可以用在监控视频的存档和视频理解上; 2. 主要编程语言为Python,为了方便展示,使用JavaScript语言编写了前段页面。 3. 本项目利用先进的Transformer模型,实现高效、精准的视频内容转文字功能。通过深度学习技术,自动识别视频中的语音对话,转换为文字文本,助力信息快速获取与整理。适用于会议记录、视频编辑等多场景,提升工作效率,让视频信息传递更便捷。
461人工智能
本方案面向谁,解决了什么问题 本方案主要面向对中医感兴趣的用户,尤其是希望通过简单、便捷的方式了解自身健康状况的人群。它解决了传统中医诊断中需要专业医师面对面诊断的痛点,通过AI技术实现了舌苔和面相的初步分析,帮助用户快速了解自身的身体状况,并提供相应的药方推荐,方便用户进行自我调理。 相比于市场常规方案,本方案有哪些特点 AI驱动的中医诊断:与市场上常见的健康类APP不同,本方案结合了AI技术与中医理论,能够通过舌苔和面相图片进行智能分析,提供个性化的健康诊断和药方推荐。 推理图解析:本方案的核心亮点在于推理图,用户可以清晰地看到从舌苔和面相信息到药方推荐的逻辑推理过程,增强了诊断的透明度和可信度。 便捷易用:用户只需上传舌苔和面部图片,即可获得初步诊断和药方推荐,操作简单,无需专业中医知识。 个性化推荐:基于用户的舌苔和面相分析结果,AI初诊器能够提供针对性的药方推荐,帮助用户进行精准调理。 方案的产品组成或技术选型 图像识别技术:用于分析用户上传的舌苔和面部图片,识别颜色、厚度、纹理等特征。 中医知识图谱:结合中医理论,构建症状与药方之间的关联关系,支持AI推理和
941python医疗
Roberta文本分类源文件源码
采用Roberta对本地IMDB数据库进行情感二分类。这段代码定义并训练一个基于RoBERTa的文本分类模型,使用IMDB电影评论数据集进行训练和验证。首先通过IMDBDataset类加载并预处理数据,然后利用DataLoader创建数据加载器。在训练过程中,模型使用AdamW优化器,评估指标包括损失、准确率和召回率。每个训练周期结束后,保存模型权重,并在验证集上评估模型性能。代码还包含进度条显示和种子设置,以确保结果的可重复性。
1920python自然语言处理
根植于大语言模型技术,在一个产品中无缝集成了任务型、问答型和闲聊型对话的能力,且一个对话中可在三类对话类型之间无缝切换 对话创建者仅需: (1) 以简单的3~5条文本示例为基础构建出面向任务的xmind对话树 (2) 将问答知识组织到层级标题化的word文档中 (3) 通过(约束)提示词定义闲聊的角色 即可完成一个“全能”的对话模型定义,这都归功于充分利用了大语言模型的语言能力和常识能力 一个非技术的业务人员就能完成70%-80%对话定义工作,即可让对话树运行起来,剩下20%-30%(不是必需的)脚本相关高级功能可由技术人员来完成 (详细信息,参见附件的PPT文件)
1391C/C++人工智能10000.00元
医疗综合信息分析平台 项目背景: 以用户的病例信息作为输入,抽取疾病信息,所属领域类别信息,病状的描述信息,处方信息以及对应的禁忌事项信息等。将该信息抽取完成后存储至数据库。最后由专业人员对相关信息进行质检,完成医疗信息的知识落库。 项目分工: 本人主要负责对病例信息的领域分类,疾病名称识别,病状信息描述,处方信息抽取和禁忌事项的抽取业务。即通过大模型对病例信息的数据实现多个维度的信息抽取工作。 项目成果: 完成外科和耳鼻喉科领域下,数百种疾病信息的知识抽取,准确率达到90%以上。 欢迎合作: 作者在对话领域有多年的研究经验,LLM应用落地上有丰富的实战经验,在这块有大量的交付案例,欢迎有相关业务需求的公司进行合作。
1630大模型
AI网站开源项目
运用和gpt一样的逻辑设计的,模块化的小功能会多一点,能AI绘图以及声音处理等小组件 能做简单的视频处理,包括但不限于处理帧数以及画面清晰 也可以训练AI模型,可以随意切换语言大模型,内置gpt4o以及3.5以上语言模型,用户可以根据自己的需求进行购买 当然运用他的组件模型也可以在pdf上面可以帮助用户做一些需求
1281人工智能
本项目旨在开发一款创新型陪护机器人,利用基于讯飞星火3.0 的AIGC(Artificial Intelligence Generated Content)指令生成式技术、实时语音流处理技术和iCaRL分类技术,使机器人不仅具备自然而流畅的对话能力,而且能够理解指令并生成智能回应,为用户提供高度个性化的护理和支持。 本项目基于讯飞星火3.0的AIGC模型。 基于该模型,能够在语义理解、文本分类、命名实体识别、情感分析和问答系统等多个自然语言处理任务上表现出色。具备高准确性,能够准确理解输入文本,并生成相应的语义表示和回答。 项目分为语音识别模块,AIGC指令生成模块,动作执行模块,物体识别模块等。
2610C/C++LLM
作品地址:http://www.latexai.com/ 分为渲染、识别、生成模块,均由本人完成 渲染模块功能为,帮助大家写latex表达式,并渲染出来,可导出png\svg\word格式的公式表示。 同时支持有限的AI公式识别转换为latex表达式,可选输出可视化的模型内部的attention部分
1640LaTeX排版系统
机器人基于人工智能技术,面向企业场景的 AI 服务,可应用于智能客服、服务咨询、业务办理等场景,还可以帮助企业实现智能营销和智能企业内部服务。 主要负责知识库管理,将知识类型进行分析,支持文本问答,文件统一管理
1481javascriptvue
同声传译产品系统
基于大模型实现英语,德语,法语,中文,日语相互同声传译。 输入一个音频,输出一个对应文字的文件,音频按流式输入给模型。 通过大量数据训练模型,使其能够识别语言模式和结构。深度学习则进一步利用神经网络模拟人脑处理信息的方式,提高翻译的准确性和流畅性。 神经机器翻译(Neural Machine Translation, NMT)是当前最先进的翻译技术。与传统统计机器翻译(SMT)相比,NMT使用深层神经网络,能够更好地捕捉语言的复杂性和上下文信息。NMT模型通常包括编码器(Encoder)和解码器(Decoder)两部分:编码器将源语言文本转换为向量表示,解码器则将这些向量转换为目标语言文本。
580人工智能2000.00元
全栈开发,独立完成 该项目使用自研的医疗知识图谱问答算法以及自构建的医疗知识图谱作为数据源 算法主要包含知识图谱嵌入模块、自然语言语义分析模块、答案匹配模块 后端使用python与nginx实现 前端使用vue搭建,并实现窗口自适应功能 为用户提供简单的医疗知识问答功能
1640pythonvue
OCR文字识别源文件源码
文字识别是一种将图像中的文本内容转换为可编辑和搜索的数字文本的技术。它广泛应用于各种场景,包括文档数字化、自动化数据输入、信息检索等。OCR的应用场景 文档数字化: 将纸质文档扫描成图片,并通过OCR转换为可编辑、可搜索的数字格式,如PDF或Word文档。 自动数据录入: 在银行、保险、医疗等行业,OCR用于自动识别单据、发票、账单等内容,提高数据录入效率。 车牌识别: 在交通监控系统中,OCR技术用于自动识别车牌号码。 手写体识别: OCR不仅用于打印文本的识别,也可以扩展到手写体的识别,尽管手写体识别相对复杂。 图像中的文字提取: OCR还可以应用于从图像或照片中提取文本,常见于广告、宣传单、商品标签等场景。 OCR技术的演进 传统OCR:早期的OCR技术主要基于模板匹配和规则的方法,效果较为单一,识别准确度受限。 机器学习OCR:随着机器学习的进展,OCR开始采用训练模型来识别字符,通过大规模数据的训练,提高了对不同字体、语言和格式的适应能力。 深度学习OCR:近年来,深度学习(特别是卷积神经网络CNN和循环神经网络RNN)的发展,使得OCR技术大幅提升,尤其在手写
781自然语言处理
此模块的功能是连接国内AI星火接口,实现回复b站弹幕的功能。如果再使用上游戏建模,和游戏引擎配上角色即可实现可视化的时时聊天数字人。 使用的技术是python,前期可使用我的账号和密钥测试,后期账号和密钥请去官网申请,网址在压缩包里。
1491python
小智产品系统
本方案面向大部分有需求的群体,解决了中少年们解决问题的速度和准确性; 本方案与市面上的其他方案相比,接入了deepseek大模型,依靠强大的语言理解能力和生成能力来实现更智能的交互 本方案运用大量传感器模块,以实现多功能扩展
120人工智能1000.00元
项目模块: 主要是针对text2SQL任务的全链路优化,增加了SQL数据可视化的推理过程,实现整体的数据可视化Agent. 项目分工: 负责对业务整体的建模,包括SQL生成任务的优化,图表关系的业务建模,和API参数的智能生成。 主要包括: SQL生成任务的拆解优化,针对图表分类和参数抽取的业务建模,COT优化,图表和API参数关系抽取,以及参数的对齐优化功能等等。 成果: 跑通了从文本到数据可视化的全流程,支持了5种复杂的数据可视化业务需求,达到业务交付标准。 欢迎合作: 作者在对话领域有多年的研究经验,LLM应用落地上有丰富的实战经验,在这块有大量的交付案例,欢迎有相关业务需求的公司进行合作。
1910大模型
项目分大模型、后端、前端三部分 大模型经数据训练得到领域大模型 后端使用django框架调用大语言模型接口 前端采用vue框架
2950自然语言处理
1.类似于chatgpt,文心一言等大语言模型的功能,训练一个属于自己的模型,支持垂直领域的算法定制,比如:智能AI对话聊天、内容创作、健康与生活咨询、教育辅导、职场助理、编程支持、语言翻译、休闲娱乐等。 2.支持算法的部署,可以本地部署、服务器上部署、同时也可以支持手机离线部署,即使没有网络的情况下也可以实现大语言的能力。 3.支持算法的定制,根据客户具体需求来定制设计算法。
1551人工智能10000.00元
项目模块: 主要是针对Text2SQL三期的任务进行了相关的优化。 项目分工: 完成LLM Text2SQL任务的全链路优化。主要包括: 知识扩充优化,COT链路优化,Table Prompt Ensemble, RAG数据增强,渐进式学习优化等。 成果: 对比开源State of theArt的方案,提升超过10个百分点,对比上期V1.0的优化成果,提升5.6% 欢迎合作: 作者在对话领域有多年的研究经验,LLM应用落地上有丰富的实战经验,欢迎有相关业务需求的公司进行合作。价格优惠,质量有保障。
4191大模型
某企业AI智能客服项目旨在利用人工智能技术,为企业打造一个高效、智能的客户服务系统。该项目通过模拟人类客服的对话方式,与用户进行实时交流,解答用户的问题、提供帮助和建议,从而提升企业服务效率、降低运营成本,并增强用户的满意度和忠诚度。 一、模块组成 智能问答模块:基于自然语言处理、深度学习等技术,对用户的问题进行识别、分析和回答。该模块能够准确理解用户意图,提供精准的答案和解决方案。 用户交互模块:负责与用户进行实时对话,包括语音、文本等多种形式的交互。该模块通过语音识别、语音合成等技术,实现与用户的语音交互;同时,也支持文本输入和输出,方便用户进行文字交流。 知识库管理模块:存储和管理企业的各类知识、常见问题及解决方案。该模块支持知识的动态更新和维护,确保智能客服系统能够随时提供最新、最准确的信息。 数据分析模块:对用户行为、问题类型、服务效果等数据进行收集和分析,为企业提供有价值的业务洞察和改进建议。 二、使用到的技术 自然语言处理技术:用于将用户的语言转化为机器可理解的形式,从而能够准确理解用户的需求和问题。通过分词、词性标注、句法分析等处理,提取出用户问题中的关键
2621Java人工智能
当前共258个项目
×
寻找源码
源码描述
联系方式
提交