mteb

brightmart

nlp_chinese_corpus

这是一个大规模中文 NLP 语料集合，为文本分类等任务提供开箱即用的训练数据，省去开发者自行爬取和清洗的麻烦。最典型的用法是直接下载其中对应领域的语料，接入自己的分类模型或 fine-tune 流程做实验。

brightmart

text_classification

这是一个用深度学习做文本分类的 Python 项目，汇集了多种常见模型，帮开发者省去从零搭建和对比模型的工作。最典型的用法是拿它当 baseline，在自己的数据集上跑一遍，快速判断哪类模型更适合当前任务。

CLUEbenchmark

CLUEDatasetSearch

这是一个中文 NLP 数据集检索工具，帮开发者快速定位文本分类等任务可用的语料，省去逐个仓库翻找的麻烦。最典型的用法是：按任务或关键词搜索，直接拿到数据集名称与下载入口，也能顺带查到常用英文数据集。

gaussic

text-classification-cnn-rnn

这是一个用 TensorFlow 实现的中文文本分类项目，基于 CNN 与 RNN 模型，帮开发者快速搭建从分词到训练、预测的完整流程。最典型的用法是拿它跑自己的中文语料，比如新闻标题或评论的情感分类，直接复用现成的模型代码和训练脚本。

ThilinaRajapakse

simpletransformers

simpletransformers 是一个基于 Transformers 的 Python 库，帮你省去手写训练循环和繁琐配置，用少量代码完成文本分类、NER、QA 等任务。最典型的用法是拿自己的标注数据微调 BERT 类模型做文本分类，几行代码即可跑通训练与预测。

JohnSnowLabs

spark-nlp

Spark NLP 是一个构建在 Apache Spark 之上的自然语言处理库，用 Scala 编写，为大规模文本数据提供分词、词性标注、命名实体识别和文本分类等能力。它最典型的场景是在 Spark 集群上批量处理海量文本，把 NLP 流程接入已有的数据 pipeline，无需额外搭建独立服务。