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。
设计了常量与配置模块、核心数据结构模块、工具类模块、索引与词图计算模块、核心分词逻辑模块。常量与配置模块:定义工厂的“基础规则”和“标准配件”,避免硬编码,统一管理配置。核心数据结构模块:定义分词过程中需要的“实体对象”,封装词的属性(位置、长度、权重、类型)。工具类模块:提供底层工具能力——字节流
161Python人工智能
设计了概率模型生成模块、综合分值索引模块、成分语义分析模块、语义相似度推理模块、其他(配置、常量、测试工具等)模块。概率模型生成模块:用于根据原始种子ID数据目录下的ID数据文件列表,从来源索引中进行多线程获取高质量文本训练数据,然后对其分词后统计分词上下文转移概率,最终对全部的分词上下文转移概率构
201Java人工智能
项目支持FAQ条目整理、问题分类、来源资料盘点、答案覆盖度检查、测试问题验证、升级规则设计和问答结果预览。系统可展示知识来源、问题分类、答案状态、人工复核队列和交付说明,适合扩展为企业内部知识库、客服问答助手、Dify/FastGPT知识库或轻量Web问答系统。
130Python人工智能
系统包含知识库文档管理、语义检索引擎和智能问答三大模块。管理员可上传和维护知识库文档,系统自动构建索引。用户通过自然语言提问,系统检索最相关的文档片段并结合上下文生成精准回答,每次回答均标注参考来源。支持按关键词和语义双重匹配,确保回答准确可靠。
180Python人工智能
设计了知识库收集模块、统计模型构建模块、智能推荐模块、中文纠错模块、其他(配置、常量、测试工具等)模块。知识库收集模块:用于根据原始种子ID数据从来源索引中获取高质量数据后,对数据进行全方位地分析,挖掘出与之对应的各种强关联关键词,并对每个关键词进行分类,最后对关键词关联对象按关键词进行生序排序。统
251Java人工智能
系统覆盖知识库整理的全流程:①Inbox自动处理——识别新增笔记并按内容智能归类到PARA目录;②长笔记自动拆分——将超长文档按主题切分为多篇原子笔记并建立双向链接;③元数据自动生成——为每篇笔记补全frontmatter(标签、分类、摘要、创建日期);④内容优化——规范标题层级、补全缺失链接、清理
200Python开发工具
系统由四个核心模块组成:①内容输入与解析——支持Markdown与纯文本输入,自动提取标题、正文与标签;②AI改写引擎——调用ClaudeAPI,按各平台调性和字数限制自动改写文案,小红书口语化配emoji、知乎专业长文、X精炼短句,并自动把超长内容拆分为thread;③多平台自动发布——基于浏览器
290Python人工智能
用户管理模块:提供学生、教师等不同角色的注册、登录、权限管理及个人信息维护功能。资源管理模块:支持教学视频、音频、文档等多种格式资源的上传、下载、分类、标签化及预览。资源搜索与推荐模块:集成高效搜索引擎,支持关键词快速检索;并基于用户行为分析与资源标签,实现个性化的智能资源推荐。系统安全模块:通过数
130Python人工智能
设计了语料收集模块、语料合并模块、索引生成模块、新词挖掘模块、其他(配置、常量、测试以及后处理工具等)模块。语料收集模块:用于根据原始待分析ID数据目录下的ID数据文件列表,进行多线程收集对应的文本(以及对应文本的逆序),再按最大滑动窗口转换为该阈值范围内的语料数据,最终对这些语料数据进行升序排序后
331Java人工智能
地图搜索引擎产品系统
在接口服务能力上设计了智能检索、关键字检索、建议检索、周边检索、矩形检索、多边形检索、沿途检索、专题检索、地理编码、逆地理编码、详情查询、方位检索、扇形检索。智能检索:可以对Query进行全方位的意图理解,对不同的意图可能会返回不同数据结构的搜索结果,有POI列表、行政区域、城市分布、城市跳转、纠错
391Java人工智能
设计了数据模块、模型模块、学习模块、系统模块、其他(配置、常量、工具等)模块。数据模块:用于处理序列数据的Dataset类和相关函数。它包括了从文件中读取数据、构建特征序列以及将数据转换为适合模型训练的格式的功能。根据模型模式的不同,数据可以以不同的方式进行处理和组织,以满足不同类型模型的需求。模型
511Python人工智能
项目描述:开发一个基于知识图谱的作战任务需求智能解析系统,用于提高文本理解和作战任务解析的准确性和效率。通过使用自然语言处理和知识图谱技术,实现了在复杂作战环境中更准确高效地理解作战意图和传达作战指令。应用技术:Python,Pytorch框架,自然语言处理技术,Bert语言模型,知识图谱。
480Python人工智能
-?**多模型支持**:支持通义千问(Qwen-Max/Qwen-Turbo)、OpenAIGPT等多种LLM-?**灵活Embedding**:DashScope、OpenAI、BGE等模型自由切换-?**智能缓存**:自动缓存查询结果,显著降低API成本(缓存命中率提升30%+)-?**性能监控
460Python人工智能
1.智能商品咨询:支持买家自助查询尺码、颜色、材质等常见属性,机器人自动读取知识库匹配答复。2.物流与政策应答:根据预设规则自动回复发货时间、包邮条件、退换货流程,处理重复高频问题。3.多轮主动导购:利用工作流引导买家明确需求,根据预算和偏好推荐对应商品,提升静默下单率。4.人机无缝转接:遇到复杂纠
720Python人工智能
实现Windows平台下ComfyUI与StableDiffusion深度学习绘图框架搭建。封装Bat/PowerShell脚本自动化启停脚本,内置显存优化策略,同时汇总环境配置、版本兼容、依赖报错等全套落地排坑方案,实现开箱即用的私有化AI绘图服务。
880Python人工智能
1、基于Ollama+Flask架构,搭建轻量化Web聊天界面,支持Qwen3.5、Qwen2.5、Qwen-VL视觉多模型切换与图文解析。2、内置全套自动化脚本,支持一键启动、一键关停服务,可配置系统开机最小化自启动,自动规避Ollama多进程端口冲突问题。3、配套国内镜像安装指引、Ollama离
890Python人工智能
项目建设完成后,将在以下方面实现突破:专业化知识理解:精准解析燃机领域技术规程、诊断步骤及运行数据。数据驱动决策支持:为运行调度、故障排查提供智能分析。可扩展的技术架构:支持多场景扩展与持续模型迭代,保障系统在未来业务需求变化中的适应性。本项目的实施将有效提升燃机运行管理的智能化水平,降低人工
480Python人工智能
负责蛋白质多模态大模型评测框架EvalKit的设计与开发,构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析,支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化,提升模型评测效率与科研落地能力。
440Python人工智能
负责蛋白质多模态大模型评测框架EvalKit的设计与开发,构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析,支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化,提升模型评测效率与科研落地能力。
500Python人工智能
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
620Python人工智能
当前共40个项目more
×
寻找源码
源码描述
联系方式
提交