معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A deep learning model for the automatic classification of online educational materials.

ویژگی	مقدار
سیستم عامل	-
نام فایل	bigbert-0.1.0
نام	bigbert
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Garrett Allen
ایمیل نویسنده	garrettallen@u.boisestate.edu
آدرس صفحه اصلی	https://github.com/BSU-CAST/BiGBERT
آدرس اینترنتی	https://pypi.org/project/bigbert/
مجوز	-

# BiGBERT BiGBERT is a pre-trained deep learning model that uses website URLs and their respective descriptions to identify educational resources. ## Installation To begin using BiGBERT, install the PyPi package: ```bash pip install bigbert ``` #### Important Note: #### The installation size of the package is relatively small, but the first time you instantiate an instance of BiGBERT, two large files need to be downloaded. Details for these files, and their sizes, are provided in the table below. | File | Size | Purpose | |---|---|---| | edu2vec.txt | 5.2 GB | Word embeddings infused with educational standards domain knowledge. Used by the URL vectorizer component internally. | | bertedu_1e-6lr.p | 438.0 MB | A BERT model fine-tuned with educational domain knowledge. Used for the snippet vectorizer internally. | ## Data Prep BiGBERT expects a `pandas.DataFrame` as input with two columns: `"url"` and `"description"`. ## Usage ```python import numpy as np import pandas as pd from bigbert.bigbert import BiGBERT from sklearn.metrics import accuracy_score # This file should have "url", "description" along with "target" columns data = pd.read_csv("some/data/file.csv") y = data["target"] X = data.drop(columns=["target"], inplace=True) model = BiGBERT() y_pred = model.predict(X) print(accuracy_score(y, np.argmax(y_pred, axis=1))) ``` ## **Citation** If you use BiGBERT in a research publication, please include the following citation (provided in BibTeX format): ``` @inproceedings{allen2021bigbert, title={BiGBERT: Classifying Educational WebResources for Kindergarten-12$^{th}$ Grades}, author={Allen, Garrett and Downs, Brody and Shukla, Aprajita and Kennington, Casey and Fails, Jerry Alan and Wright, Katherine Landau and Pera, Maria Soledad}, booktitle={European Conference on Information Retrieval}, pages={176-184}, year={2021}, organization={Springer} } ``` ## **License** BiGBERT is available under the MIT License.

نیازمندی

مقدار	نام
==0.6.1	flair
-	gdown
==2.3.1	keras
==0.42.0	keras-self-attention
==1.18.5	numpy
==1.0.5	pandas
==0.6.2	pytorch-pretrained-bert
-	sklearn
==6.7.0	symspellpy
==2.2.0	tensorflow
==1.7.0	torch
==3.5.1	transformers
==4.59.0	tqdm

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl bigbert-0.1.0:

pip install bigbert-0.1.0.whl

نصب پکیج tar.gz bigbert-0.1.0:

pip install bigbert-0.1.0.tar.gz