Я только могу вспомнить сберовский для соревнования 2017 года. Когда я его пытался найти, то сайт соревнования лежал. Думаю у кого-то остался.

Я тоже не могу скачать его, битые ссылки.

https://github.com/sberbank-ai/data-science-journey-2017 тоже?

Живая ссылка, качает, но не проверял

Народ, а подскажите, что почитать про связывание сущностей. Если у меня в тексте есть полная раскладка паспорта, и я на выходе хочу получать условно дикт "паспорт". При этом сам ner достаёт из предложения только сущности типа ФИО, дата, адрес. Но это все- плоский NER. В какую сторону смотреть? P.S.: pullenty не предлагать.

Я так понимаю, после ner должен отработать классификатор на уже извлеченных сущностях с учётом dep, pos, офсетов и так далее

Коллеги, вопрос по Наташе
у меня что-то она в качестве амилий стала доставать странные слова, например "Нужна" или "встретиться" - это фамилии
никто не знает, что за глюк такой и как починить

лан. починил как починилось (

spacy не смотрели?
вроде у него есть связывание сущностей...

NLP Basic Course for Beginner

FREE For 48 Hrs

Learn Natural Language Processing ( NLP ) & how to analyze text data.

https://coursevania.com/courses/nlp-basic-course-for-beginner/

подскажите пожалуйста, вот есть bert-extractive-summarizer, он в английском может делать coreference.

для русского это как-то возможно?

Если вы про разрешение кореференций

Если коротко нет, подробнее https://t.me/natural_language_processing/26450, интересная инициатива https://github.com/fostroll/ru_corner/blob/master/doc/Coreference_Annotation_Guidelines_for_ru_corner.pdf

увы я искал решения для coreference resolution для русского, но ничего не нашел.
можно использовать хак: переводить на английский какой-нибудь моделькой, например opus-mt ну а дальше уже знаете что делать))

neuralcoref и https://github.com/msg-systems/coreferee для Spacy

понял... спасибо!

всем привет. есть фрейм с текстом и метками(классов порядка 30). нужно сделать mvp для классификации текстов. что бы обойти векторизацию и сделать все быстро использовал  catboost  на части данных (до этого хорошие скоры были + обучение на gpu). НО - таблица большая, полностью не лезет в память. соот-о встает вопрос обучения и до обучения на оставшихся кусках данных. есть ли способ обучить модель, сохранить, восстановить и доучить и так со всеми данными используя при этом gpu?

всем привет! кто-нибудь сталкивался с задачей классификации текста на мнения/факты?(субъективная/объективная оценка) может, есть для этого хорошие модели?