awesome-repositories.com
Blog
MCP
awesome-repositories.com

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoServidor MCPAcerca deCómo clasificamosPrensa
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repositorio

Awesome GitHub RepositoriesBidirectional LSTMs

Neural network layers that process sequences in both directions to capture long-term dependencies.

Distinct from Sequence-to-Sequence Mappings: Specializes sequence-to-sequence mapping to bidirectional LSTM architectures for contextual understanding.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Bidirectional LSTMs. Refine with filters or upvote what's useful.

Awesome Bidirectional LSTMs GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • macanv/bert-bilstm-crf-nerAvatar de macanv

    macanv/BERT-BiLSTM-CRF-NER

    4,904Ver en GitHub↗

    Este proyecto es un framework de reconocimiento de entidades nombradas y modelo de procesamiento de lenguaje natural basado en TensorFlow. Proporciona un pipeline para adaptar modelos de lenguaje pre-entrenados a tareas específicas de reconocimiento de entidades y clasificación de texto. El sistema implementa una arquitectura de etiquetado de secuencias que combina embeddings basados en transformers con modelado de secuencias bidireccional y decodificación de campo aleatorio condicional (CRF). Incluye herramientas para ajustar los pesos del modelo y entrenar la red para identificar y categorizar entidades dentro de texto no estructurado. El framework también incluye una arquitectura cliente-servidor que expone modelos entrenados a través de una API HTTP. Esto permite la inferencia remota, predicción de entidades nombradas y clasificación de documentos de texto a través de una interfaz de red.

    Implements bidirectional sequence modeling to capture text dependencies for entity recognition.

    Python
    Ver en GitHub↗4,904
  1. Home
  2. Artificial Intelligence & ML
  3. Sequence Decoding Models
  4. Sequence-to-Sequence Mappings
  5. Bidirectional LSTMs