Awesome GitHub RepositoriesText Document Classification

هذا المشروع عبارة عن مورد تعليمي شامل لتعلم الآلة وسلسلة دروس مقدمة كمجموعة من دفاتر Jupyter التفاعلية. يوفر تطبيقات عملية بلغة Python لدورة حياة تعلم الآلة بالكامل، مغطياً التعلم الخاضع للإشراف وغير الخاضع للإشراف، والتعلم العميق، والتعلم التعزيزي. يتميز المورد بتقديم أدلة تنفيذ مفصلة لمعماريات معقدة، بما في ذلك المحولات (transformers)، والشبكات التنافسية التوليدية (GANs)، والشبكات العصبية التلافيفية (CNNs). كما يتضمن دورات متخصصة لتطوير وكلاء التعلم التعزيزي باستخدام Q-learning وDeep Q-Networks داخل بيئات محاكاة. يغطي المحتوى نطاقاً واسعاً من قدرات علم البيانات، بما في ذلك خطوط أنابيب هندسة البيانات، وترميز الميزات، وتقليل الأبعاد. كما يوفر مواد مكثفة حول تقييم النماذج من خلال التحقق المتقاطع والمقاييس التشخيصية، بالإضافة إلى مواضيع متقدمة مثل معالجة اللغات الطبيعية، وتحليل المشاعر، والذكاء الاصطناعي التوليدي. تم تصميم المنهج بالكامل للتنفيذ التفاعلي داخل دفاتر Jupyter، حيث يجمع بين الكود القابل للتنفيذ والنصوص الغنية والمرئيات.

KnowledgeGraphData هي مجموعة من مجموعات البيانات المهيكلة والمصنفات المصممة لتوفير طبقة أساسية لأنظمة الذكاء المعرفي والذكاء الاصطناعي. تتكون بشكل أساسي من مجموعات بيانات رسوم بيانية معرفية صينية واسعة النطاق، بما في ذلك بيانات علاقة الكيانات ومجموعات تدريب NLP المستخدمة لدفع الفهم الدلالي والإجابة الآلية على الأسئلة. يركز المشروع على بناء وتصدير رسوم بيانية ضخمة للكيانات والسمات والقيم، وتنظيم المعرفة في تنسيقات محمولة. يوفر تقسيم نطاق متخصص لتخصيص استرجاع المعلومات للمجالات المهنية مثل الرعاية الصحية، والجيش، والأمن العام. يغطي المستودع مجموعة واسعة من القدرات بما في ذلك معالجة اللغة الطبيعية الصينية، والبحث الدلالي، وأنظمة الحوار المعرفي. تشمل مجموعة أدواته التحليل اللغوي، واستخراج الكيانات، واكتشاف المشاعر، وتلخيص النصوص، بالإضافة إلى تحليل المحتوى المرئي لتدقيق المواقع وتحويل الكلام إلى نص.

This project is a named entity recognition framework and TensorFlow-based natural language processing model. It provides a pipeline for adapting pre-trained language models to specific entity recognition and text classification tasks. The system implements a sequence labeling architecture that combines transformer-based embeddings with bidirectional sequence modeling and conditional random field decoding. It includes tools for fine-tuning model weights and training the network to identify and categorize entities within unstructured text. The framework also includes a client-server architectu

Spark NLP هي مجموعة أدوات لتحليل النصوص القابل للتوسع والتعلم الآلي مبنية على إطار عمل الحوسبة الموزعة Apache Spark. توفر إطار عمل للتعلم الآلي متعدد الوسائط ونظام خط أنابيب موزع لتسلسل أدوات التعليق لمعالجة البيانات اللغوية على نطاق واسع. تتضمن المكتبة معالج نصوص محولاً (transformer) لتوليد تضمينات متجهات سياقية ومحرك استدلال مخصص لإدارة نماذج اللغة الكبيرة. يتميز المشروع بقدرته على معالجة أنواع البيانات غير المتجانسة، بما في ذلك النصوص والصوت والصور، ضمن بنية رؤية-لغة موحدة. ويدعم إمكانيات الذكاء الاصطناعي التوليدي المتقدمة مثل هندسة الأوامر (prompt engineering)، واستخراج الكيانات المهيكلة مع مخرجات JSON مقيدة، والاستدلال المحلي للقضاء على زمن انتقال الشبكة. بالإضافة إلى ذلك، يوفر أدوات للترجمة عبر اللغات والتصنيف بدون تدريب عبر كل من وسائط النص والصورة. يغطي إطار العمل مجموعة واسعة من الإمكانيات، بما في ذلك تدريب النماذج الخاضعة للإشراف للتعرف على الكيانات وتحليل المشاعر، بالإضافة إلى الإجابة على الأسئلة الاستخراجية وتلخيص المستندات. ويدمج دعم قاعدة بيانات المتجهات للبحث عن التشابه ويوفر بنية تحتية لتسريع GPU وإدارة دورة حياة النموذج عبر سجل مركزي. تسمح مجموعة الأدوات بتوزيع النماذج وخطوط الأنابيب المخصصة عبر مستودع عام وتدعم نشر النماذج عبر واجهات برمجة تطبيقات REST.

Starspace هو إطار عمل لتضمين المتجهات (vector embedding) مصمم لتدريب تمثيلات عالية الأبعاد للنصوص والصور. يعمل كنظام تعلم آلي للترتيب العصبي، وتصنيف النصوص، وتضمين الرسوم البيانية للمعرفة، حيث يقوم بتعيين أنواع كائنات مختلفة في مساحة عددية مشتركة لتسهيل مهام الاسترجاع والتنبؤ. يتضمن النظام أدوات متخصصة لإكمال الرسوم البيانية للمعرفة والتنبؤ بالروابط من خلال تمثيل الكيانات وعلاقاتها داخل مساحة متجهية متعددة العلاقات. كما يوفر قدرات لتوصية المحتوى الدلالي وتصنيف النصوص واسع النطاق عن طريق تعيين المدخلات إلى تسميات مستهدفة أو عناصر مرشحة. يغطي إطار العمل مجالات قدرة واسعة بما في ذلك ترتيب الكيانات القائم على التشابه، واستخراج تضمين المتجهات من المستندات أو n-grams، واستخدام التدريب القائم على المشي العشوائي. لإدارة مجموعات البيانات الكبيرة، فإنه يدمج تحميل البيانات المضغوطة القائمة على القرص وتحسين أخذ العينات السلبية.

Contextualized topic modeling is a framework that integrates deep learning architectures with statistical word frequency distributions to extract coherent themes from large document collections. By combining pre-trained transformer-based embeddings with variational inference, the system identifies hidden patterns in text while maintaining the interpretability of traditional generative models. The library distinguishes itself by mapping diverse languages into a shared semantic space, enabling topic discovery and classification across multilingual datasets without requiring language-specific tr