Startseite Projekte grobid
grobid
Java

grobid

Eine Software für maschinelles Lernen zur Extraktion von Informationen aus wissenschaftlichen Dokumenten

von grobidOrg · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
bibliographical-referencescrfdeep-learningApache-2.0Java
Auf GitHub ansehen
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
grobid — GitHub preview card
📈 Sternhistorie
5.00k4.97k
2026-07-042026-08-31
📈 grobid verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Eine Software für maschinelles Lernen zur Extraktion von Informationen aus wissenschaftlichen Dokumenten

grobid hat 5k Sterne auf GitHub. Es wurde 561-mal geforkt. grobid ist hauptsächlich in Java geschrieben. Es wird seit 2012 aktiv entwickelt. grobid ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: bibliographical-references, crf, deep-learning, fulltext.

Frequently asked questions

Was ist grobid?

Eine Software für maschinelles Lernen zur Extraktion von Informationen aus wissenschaftlichen Dokumenten

Ist grobid Open Source?

grobid ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist grobid kostenlos?

Ja. grobid ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht grobid?

grobid ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist grobid geschrieben?

grobid ist hauptsächlich in Java geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — grobid

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=grobidorg-grobid)](https://olud.ai/project/grobidorg-grobid.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.