spanish-nlp

Skill para quitar los rasgos de IA de textos en español, con cobertura de todas las variedades del idioma. Adaptación al español de Stop Slop.

Skill para Claude Code que naturaliza texto en español generado por IA: 11 técnicas lingüísticas y detección de marcas técnicas/tipográficas (watermarking, caracteres invisibles), orientadas a calidad editorial, no a evasión de detectores.

Herramienta de anotación clínica (SCTID/SNOMED CT) para el corpus SEMANTIAR — anotador web en TypeScript para calibración de textos clínicos en español rioplatense.

NLP verdict classification of ColombiaCheck fact-checks (Spanish · BETO) — with model cards, datasheets, and data statements.

Fine-tuned RoBERTuito for Spanish emotion classification (6 emotions, custom survey dataset)

Sistema de búsqueda académica para la comunidad de UNSAM: búsqueda híbrida (semántica + full-text) de tesis, papers y trabajos académicos.

Clasificador de sentimiento (4 clases) por fine-tuning de RoBERTuito para detectar «resignación irónica» en una comunidad gamer hispanohablante. TFM del Máster en Ciencia de Datos aplicada a las Ciencias Sociales (USAL-UGR). Incluye subcorpus anotado anonimizado, modelo, Model Card y pipeline reproducible.

Spanish-language RAG over Colombian (6 months) news using Ollama, Qdrant, LangGraph. Completely locally run.

Q&A system over Mexican Federal Labor Law (LFT) using retrieval-augmented generation.

Do BETO and BERT encode linguistic structure the same way? A layer-wise probing study.

Spanish domain LLM pipeline: custom dataset → QLoRA fine-tuning (Qwen2.5) → RAG on PostgreSQL/pgvector → evaluation. Runs locally on a single GPU.

Sistema RAG de consulta documental con recuperacion hibrida (vectorial + BM25 con fusion RRF), citas verificadas contra las fuentes y evaluacion con metricas. Embeddings en local via ONNX, generacion con Claude.

Self-hosted RAG assistant for the Valencian official gazette (DOGV) with hybrid search, LangGraph pipeline, cited answers

Spanish Hope Speech detection using a fine-tuned BERT model with an interactive Streamlit demo.

Masked-language-model de-identification of Spanish clinical notes — comparing general, clinical and diabetes-adapted encoders on the DISTEMIST corpus

Este repositorio contiene la solución oficial desarrollada por el equipo FisBio UNAM para la competencia Rest-Mex 2025, organizada en el marco del congreso IberLEF 2025. La solución aborda un problema de clasificación multitarea en procesamiento de lenguaje natural (PLN), aplicado a reseñas turísticas en español sobre los Pueblos Mágicos de México.

NER clinico en espanol: BiLSTM-CRF sobre CodiEsp y transformers BETO y XLM-RoBERTa ajustados con LoRA sobre un corpus de oncologia de prostata

Asistente Retail AI: Chatbot inteligente RAG para consulta de catálogos, políticas y manuales comerciales en español. Analiza documentos PDF mediante RAG + OpenRouter (MiniMax, Gemma, Cohere) con fallback multi-modelo y procesamiento inteligente de consultas.

A quantitative fidelity gate for patient-facing radiology reports: a four-layer belt that decides whether an AI-humanised clinical report is faithful enough to give to a patient.

High-performance NLP engine for text similarity (Cosine/Jaccard) and clustering in Spanish. Built with FastAPI, spaCy, and scikit-learn. Managed via uv.