- 综合排序
- 最热优先
- 最新优先
- 来自专栏磐创AI技术团队的专栏
DeepPavlov: 强大的聊天机器人和对话系统开源AI库（附安装指南）
在环境中安装软件包： pip install deeppavlov 快速入门 DeepPavlov 中有很多很棒的经过预训练的 NLP 模型。每个模型均由其配置文件确定。 可以在 deeppavlov.configs (Python) 的文档页面上找到模型列表： from deeppavlov import configs 确定了模型（+ 配置文件）后，可以通过两种方式来训练 /DeepPavlov#command-line-interface-cli Python https://github.com/deepmipt/DeepPavlov#python GPU 要求 欢迎您留下关于如何改善 DeepPavlov 框架的反馈意见。 /integrations/ms_bot.html 演示：demo.deeppavlov.ai 文档：docs.deeppavlov.ai 模型列表：http://docs.deeppavlov.ai
4.4K10发布于 2020-11-09 - 来自专栏机器之心
资源 | DeepPavlov：一个训练对话系统和聊天机器人的开源库
选自GitHub 机器之心编译 参与：思源、刘晓坤 本文介绍了一个构建端到端对话系统和训练聊天机器人的开源项目 DeepPavlov，该开源库的构建基于 TensorFlow 和 Keras，并旨在推动 一个具体的 Dataset 类应该注册并可以从 deeppavlov.data.dataset_reader.Dataset 类继承。 一个具体的 Vocab 类应该注册并可以从 deeppavlov.data.vocab.DefaultVocabulary 类继承。 或 Inferable 和 deeppavlov.core.models.trainable.Trainable 接口继承。 训练 所有从 deeppavlov.core.models.trainable.Trainable 接口继承的模型都可训练，训练过程在 train() 方法中有详细描述。
2K40发布于 2018-05-09 - 来自专栏AI研习社
Github 项目推荐 | 用于构建端对端对话系统和训练聊天机器人的开源库 —— DeepPavlov
DeepPavlov 是一个开源的会话 AI 库，建立在 TensorFlow 和 Keras 之上，用于以下设计： NLP和对话系统研究； 实施和评估复杂的会话系统。 /env/bin/activate Clone 本库并 cd 到项目 root： git clone https://github.com/deepmipt/DeepPavlov.git cd DeepPavlov
2.6K90发布于 2018-03-16 - 来自专栏机器学习
NLP 中序列标注任务常用工具详细介绍
DeepPavlov简介： DeepPavlov是一个基于深度学习的NLP库，旨在为开发者提供多种NLP任务的解决方案。它不仅支持序列标注任务，还包括对话系统、情感分析等任务。 使用示例：from deeppavlov import build_model, configsmodel = build_model(configs.ner.ner_ontonotes_bert, download =True)result = model(["Hawking was a theoretical physicist"])print(result)在这个示例中，DeepPavlov提供了一个基于BERT
93010编辑于 2025-03-23 - 来自专栏NewBeeNLP
NLP简报
3.5 A tool for conversational AI 开源对话式 AI 框架DeepPavlov[33]为构建对话系统和复杂的对话系统提供了免费且易于使用的解决方案。 DeepPavlov 带有几个预定义的组件，用于解决与 NLP 相关的问题。它将 BERT（包括会话 BERT）集成到三个下游任务中：文本分类，命名实体识别（和一般的序列标记）以及问题解答。 eng.lyft.com/introducing-flyte-cloud-native-machine-learning-and-data-processing-platform-fb2bb3046a59 [33] DeepPavlov : https://github.com/deepmipt/DeepPavlov [34] Google Colab: https://colab.research.google.com/github/ -31cf26849e37 [36] Demo: https://demo.deeppavlov.ai/#/en/textqa [37] 此处: https://www.nytimes.com/2020
1.3K20发布于 2020-08-26 - 来自专栏AI技术应用
AI 聊天机器人开发框架及其特点
1.3DeepPavlov特点：开源对话式 AI 框架，基于 PyTorch。提供预训练模型和工具，支持多语言和多任务。适用场景：研究型聊天机器人、多语言支持。
1.3K10编辑于 2025-02-19 - 来自专栏VoiceVista语音智能
The Conversational AI Industry Landscape Map
Cyrano.ai D-ID Dabble Lab Datasaur Datch Data Conversion Laboratory (DCL) DeepBrain AI Deepgram DeepMind DeepPavlov.ai
63910编辑于 2023-03-02 - 来自专栏新智元
彻底解决ChatGPT健忘症！突破Transformer输入限制：实测支持200万个有效token
最近来自DeepPavlov, AIRI, 伦敦数学科学研究所的研究人员发布了一篇技术报告，使用循环记忆Transformer（RMT）将BERT的有效上下文长度提升到「前所未有的200万tokens」
1.5K20编辑于 2023-05-09 - 来自专栏机器学习人工学weekly
机器学习人工学weekly-2018/3/4
DeepPavalov一个开源的end-to-end对话系统，感觉类似API.AI的backend，不过chatbot这玩意儿没火起来，可惜了 链接：https://github.com/deepmipt/DeepPavlov
1.4K80发布于 2018-03-07 - 来自专栏新智元
星标破10万！Auto-GPT之后，Transformer越新里程碑
关键词：NLP，多语言，CoreNLP DeepPavlov DeepPavlov是一个开源的对话式人工智能库。
84660编辑于 2023-05-22 - 来自专栏机器之心
真·量子速读：突破GPT-4一次只能理解50页文本限制，新研究扩展到百万token
前几天，一篇来自开源对话 AI 技术栈 DeepPavlov 等机构的研究表明：通过采用一种名为 Recurrent Memory Transformer（RMT）的架构，他们可以将 BERT 模型的有效上下文长度增加到
62320编辑于 2023-05-01 - 来自专栏大数据文摘
AI大事件丨中国的AI启动资金超过美国，JupyterLab上线，用少量样本实现语音克隆
用于构建端到端对话系统的开源库 来源：GITHUB.COM 链接： https://github.com/deepmipt/DeepPavlov?
46630发布于 2018-05-23 - 来自专栏新智元
一次读完半本「三体」！GPT-4最强竞品突然升级10万token，啃论文代码演示全搞定
前段时间，来自DeepPavlov、AIRI、伦敦数学科学研究所的研究人员发布了一篇技术报告，使用循环记忆Transformer（RMT）将BERT的有效上下文长度提升到「前所未有的200万tokens
83240编辑于 2023-05-15 - 来自专栏自然语言处理(NLP)论文速递
(含源码)「自然语言处理(QA)」完全数据驱动对话系统&&新型知识感知图网络&&双向专注记忆网络
http://www.dialog-21.ru/media/4930/evseevdaplusarkhipov-myu-048.pdf Code: https://github.com/deepmipt/DeepPavlov
1.7K50发布于 2020-08-07 - 来自专栏机器之心
7 Papers & Radios | BERT上下文长度达200万token；华人团队通用分割模型SEEM
RMT 作者：Aydar Bulatov、 Yuri Kuratov 等 论文地址：https://arxiv.org/pdf/2304.11062.pdf 摘要：前几天，一篇来自开源对话 AI 技术栈 DeepPavlov
60720编辑于 2023-05-01 - 来自专栏AINLP
Awesome-Chinese-NLP：中文自然语言处理相关资料
DeepPavlov (Python) An open source library for building end-to-end dialog systems and training chatbots
6.3K12发布于 2019-10-10 - 来自专栏新智元
刚刚，百川智能Baichuan2-192K发布，上下文窗口全球最长！一次读完《三体》，拿下7个SOTA
论文地址：https://arxiv.org/abs/2309.12307 而来自DeepPavlov、AIRI、伦敦数学科学研究所的研究人员则利用循环记忆Transformer（RMT）方法，将BERT
1.5K40编辑于 2023-11-02 - 来自专栏深度应用
『深度应用』NLP命名实体识别(NER)开源实战教程
output ['B-ORG', 'O', 'B-MISC', 'O', 'O', 'O', 'B-MISC', 'O', 'O'] 2.2数据预处理 数据下载并解压，以供训练,地址 http://files.deeppavlov.ai /deeppavlov_data/conll2003_v2.tar.gz 下载解压后可以看到三个文件：test.txt,train.txt,valid.txt 打开后可以看到，数据格式如下：我们只需要每行开头和最后一个数据
1.8K30发布于 2019-08-26 - 来自专栏AI科技大本营的专栏
NLP命名实体识别开源实战教程 | 深度应用
output ['B-ORG', 'O', 'B-MISC', 'O', 'O', 'O', 'B-MISC', 'O', 'O'] 2.2数据预处理 数据下载并解压，以供训练,地址 http://files.deeppavlov.ai /deeppavlov_data/conll2003_v2.tar.gz 下载解压后可以看到三个文件：test.txt,train.txt,valid.txt 打开后可以看到，数据格式如下：我们只需要每行开头和最后一个数据
1.9K42发布于 2019-08-20 - 来自专栏AI科技评论
一文全览，AAAI 2020上的知识图谱
今年AAAI 2020 会议还举办了主题为“Dialogue State Tracking”的研讨会 （DSTC8），该议程汇聚了来自Google Assistant、 Amazon Alexa和 DeepPavlov
2.3K20发布于 2020-02-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号