NLP, 知识图谱参考资源

NLP

自然语言处理（Natural Language Processing）是深度学习的主要应用领域之一。
教程
http://cs224d.stanford.edu/
CS224d: Deep Learning for Natural Language Processing
http://web.stanford.edu/class/cs224n/syllabus.html
cs224d课程的课件
http://demo.clab.cs.cmu.edu/NLP/
CMU的NLP教程。该网页下方还有美国其他高校的NLP课程的链接。
http://ccl.pku.edu.cn/alcourse/nlp/
北京大学的NLP教程，特色：中文处理。缺点：传统方法居多，深度学习未涉及。
http://www.cs.columbia.edu/~cs4705/
COMS W4705: Natural Language Processing
https://mp.weixin.qq.com/s/TSc4E8lKwgc-EvzP8OlJeg
初学者如何查阅自然语言处理（NLP）领域学术资料
https://zhuanlan.zhihu.com/kb-qa
揭开知识库问答KB-QA的面纱（知识图谱方面的系列专栏）
http://web.stanford.edu/~jurafsky/slp3/ed3book.pdf
《语音与语言处理》第三版，NLP和语音合成方面的专著
https://mp.weixin.qq.com/s/5KhTWdOk-b84DXmoVr68-A
CIPS ATT 2017 文本分析和自然语言课程PPT
http://phontron.com/class/nn4nlp2017/assets/slides/
CMU NN for NLP
http://phontron.com/class/mtandseq2seq2017/
CMU Machine Translation and Sequence to Sequence Models
https://github.com/oxford-cs-deepnlp-2017/lectures
Oxford Deep NLP 2017 course

书籍

http://ccl.pku.edu.cn/alcourse/nlp/LectureNotes/Natural%20Language%20Processing%20with%20Python.pdf
《Natural Language Processing with Python》，Steven Bird、Ewan Klein、Edward Loper著。这本书的作者们创建了著名的NLTK工具库。
注：Steven Bird，爱丁堡大学博士，墨尔本大学副教授。
http://www.stevenbird.net/about.html
Ewan Klein，苏格兰人，哥伦比亚大学博士（1978年），爱丁堡大学教授。
Edward Loper，宾夕法尼亚大学博士。
https://mp.weixin.qq.com/s/0HmsMytif3INqAX1Si5ukA
推荐5本经典自然语言处理书籍

网站

http://www.52nlp.cn/
一个自然语言处理爱好者的群体博客。包括52nlp、rickjin、liwei等国内外华人大牛。
http://www.shareditor.com/bloglistbytag/?tagname=%E8%87%AA%E5%B7%B1%E5%8A%A8%E6%89%8B%E5%81%9A%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA
实战课程：自己动手做聊天机器人
http://www.icst.pku.edu.cn/lcwm/
北京大学计算机科学技术研究所语言计算与互联网挖掘研究室
https://github.com/rockingdingo/deepnlp
NLP深度学习方面的代码库
https://liweinlp.com/
NLP专家李维的blog
http://www.shuang0420.com/
一个NLP方面的blog
http://www.cnblogs.com/Determined22/
一个DL+ML+NLP的blog
http://www.cnblogs.com/robert-dlut/
一个NLP方面的blog
blog.csdn.net/hellonlp/
一个NLP方面的blog

工具

Natural Language Toolkit(NLTK)

官网：
http://www.nltk.org/
可使用nltk.download()下载相关nltk官方提供的各种资源。
参考：
http://www.cnblogs.com/baiboy/p/nltk3.html

OpenNLP

http://opennlp.apache.org/

FudanNLP

https://github.com/FudanNLP/fnlp

Stanford CoreNLP

http://stanfordnlp.github.io/CoreNLP/

THUCTC

THUCTC(THU Chinese Text Classification)是由清华大学自然语言处理实验室推出的中文文本分类工具包。
http://thuctc.thunlp.org/

gensim

gensim是Python语言的计算文本相似度的程序包。
http://radimrehurek.com/gensim/index.html
pip install –upgrade gensim
GitHub：
https://github.com/RaRe-Technologies/gensim
参考：
http://www.open-open.com/lib/view/open1444351655682.html

情感分析的新方法——基于Word2Vec/Doc2Vec/Python

http://blog.csdn.net/Star_Bob/article/details/47808499
Gensim Word2vec使用教程

GloVe

GloVe:Global Vectors for Word Representation
https://nlp.stanford.edu/projects/glove/

textsum

textsum是一个基于深度学习的文本自动摘要工具。
代码：
https://github.com/tensorflow/models/tree/master/textsum
参考：
http://www.jiqizhixin.com/article/1449
谷歌开源新的TensorFlow文本自动摘要代码
http://blog.csdn.net/tensorflowshizhan/article/details/69230070
TensorFlow文本摘要生成 - 基于注意力的序列到序列模型

jieba

https://github.com/fxsjy/jieba

NLPIR

NLPIR汉语分词系统(又名ICTCLAS2013)，是中科院张华平博士的作品。官网：
http://ictclas.nlpir.org/
参考：
http://ictclas.nlpir.org/nlpir/
这个网页对于NLP的大多数功能进行了可视化的展示。NLP入门必看。

snownlp

https://github.com/isnowfy/snownlp

HanLP

HanLP是一个目前留学日本的中国学生的作品。
官网：
http://hanlp.linrunsoft.com/
作者blog：
http://www.hankcs.com/
Github：
https://github.com/hankcs/HanLP/
从作者的名气来说，HanLP无疑是最低的，性能也不见得有多好。然而对于初学者来说，这却是最适合的工具。这主要体现在以下几个方面：
1.中文处理能力。NLTK和OpenNLP对中文支持非常差，这里不光是中文分词的问题，有些NLP算法需要一定的语言模型数据，但浏览NLTK官方的模型库，基本找不到中文模型数据。
2.jieba、IK之类的功能太单一，多数局限在中文分词方面领域。gensim、THUCTC专注于NLP的某一方面，也不是通用工具。
3.NLPIR和Stanford CoreNLP算是功能最强的工具包了。前者的问题在于收费不开源，后者的问题在于缺少中文文档。FudanNLP的相关文档较少，文档友好度不如HanLP。
4.HanLP在主页上提供了相关算法的blog，便于初学者快速掌握相关概念。其词典是明文发布，便于用户修改。HanLP执行时，会将明文词典以特定结构缓存，以提高执行效率。
注：不要以为中文有分词问题，就比别的语言复杂，英文还有词根问题呢。。。每种语言都不简单。

AllenNLP

AllenNLP是Allen AI实验室的作品，采用深度学习技术，基于PyTorch开发。
官网：
http://allennlp.org/
Allen AI实验室由微软联合创始人Paul G. Allen投资创立。
官网：
http://allenai.org/
其他
https://github.com/mozillazg/python-pinyin
python版的汉字转拼音软件
https://github.com/ysc/word
Java分布式中文分词组件-word分词
http://jena.apache.org/
jena是一个语义网络、知识图谱相关的软件。

NLPchina

NLPchina(中国自然语言处理开源组织)旗下有许多好用的工具。
官网：
http://www.nlpcn.org/
Github：
https://github.com/NLPchina

Ansj

Ansj是一个NLPchina旗下的开源的Java中文分词工具，基于中科院的ictclas中文分词算法，比其他常用的开源分词工具（如mmseg4j）的分词准确率更高。
https://github.com/NLPchina/ansj_seg

Word2VEC_java

word2vec java版本的一个实现。
https://github.com/NLPchina/Word2VEC_java
doc2vec java版本的一个实现，基于Word2VEC_java。
https://github.com/yao8839836/doc2vec_java

ansj_fast_lda

LDA算法的Java包。
https://github.com/NLPchina/ansj_fast_lda

nlp-lang

这个项目是一个基本包.封装了大多数nlp项目中常用工具
https://github.com/NLPchina/nlp-lang

词性标注

http://jacoxu.com/ictpos3-0%E6%B1%89%E8%AF%AD%E8%AF%8D%E6%80%A7%E6%A0%87%E8%AE%B0%E9%9B%86/

ICTPOS3.0汉语词性标记集

Word Hashing
Word Hashing是非常重要的一个trick，以英文单词来说，比如good，他可以写成#good#，然后按tri-grams来进行分解为#go goo ood od#，再将这个tri-grams灌入到bag-of-word中，这种方式可以非常有效的解决vocabulary太大的问题(因为在真实的web search中vocabulary就是异常的大)，另外也不会出现oov问题，因此英文单词才26个，3个字母的组合都是有限的，很容易枚举光。
那么问题就来了，这样两个不同的单词会不会产出相同的tri-grams，paper里面做了统计，说了这个冲突的概率非常的低，500K个word可以降到30k维，冲突的概率为0.0044%。
但是在中文场景下，这个Word Hashing估计没有这么有效了。
词汇共现
词汇共现是指词汇在文档集中共同出现。以一个词为中心，可以找到一组经常与之搭配出现的词，作为它的共现词汇集。
词汇共现的其中一种用例：
有若干关键词，比如：水果、天气、风，有若干描述词，比如，很甜、晴朗、很大，然后现在要找出他们之间的搭配，在这个例子里，我们最终要找到：水果很甜、天气晴朗、风很大
http://sewm.pku.edu.cn/TianwangLiterature/SEWM/2005(5)/%5b%b3%c2%c1%88,%20et%20al.,2005%5d/050929.pdf
关键词提取
主要三种方法：
1.基于统计特征，如TF-IDF。
2.基于词图模型，如TextRank。
3.基于主题模型，如LDA。
自然语言理解
Natural language understanding(NLU)属于NLP的一个分支，属于人工智能的一个部分，用来解决机器理解人类语言的问题，属于人工智能的核心难题。

上图是语义理解中，最有实用价值的框架语义表示（frame semantics representation）的原理简图。
参考：
http://www.shuang0420.com/2017/04/27/NLP%E7%AC%94%E8%AE%B0%20-%20NLU%E4%B9%8B%E6%84%8F%E5%9B%BE%E5%88%86%E7%B1%BB/

NLU之意图分类

论文
《Distant Supervision for relation extraction without labeled data》
《Using Recurrent Neural Networks for Slot Filling in Spoken Language Understanding》
《Convolutional Neural Networks for Sentence Classification》：TextCNN的开山之作

知识图谱参考资源

https://wenku.baidu.com/view/38ad3ef7e109581b6bd97f19227916888586b959.html
知识图谱构建技术综述
https://wenku.baidu.com/view/e69a3619fe00bed5b9f3f90f76c66137ee064f15.html
知识图谱技术综述
https://wenku.baidu.com/view/b3858227c5da50e2534d7f08.html
知识图谱技术原理介绍
https://mp.weixin.qq.com/s/JLYegFP7kEg6n34crgP09g
基于知识图谱的问答系统关键技术研究
https://mp.weixin.qq.com/s/XgKvh63wgEe-CR9bchp03Q
什么是知识图谱？
https://mp.weixin.qq.com/s/iqFXvhvYfOejaeNAhXxJEg
当知识图谱遇上聊天机器人
https://mp.weixin.qq.com/s/U-dlYhnaR8OQw2UKYKUWKQ
知识图谱前沿技术课程实录
https://mp.weixin.qq.com/s/MZE_SXsNg6Yt4dz2fmB1sA
阿里知识图谱首次曝光：每天千万级拦截量，亿级别全量智能审核
https://mp.weixin.qq.com/s/WIro7pk7kboMvdwpZOSdQA
东南大学漆桂林：知识图谱的应用
https://mp.weixin.qq.com/s/z1hhG4GaBQXPHHt9UGZPnA
东南大学高桓：知识图谱表示学习
https://mp.weixin.qq.com/s/JZYH_m1eS93KRjkWA82GoA
复旦肖仰华：基于知识图谱的问答系统
https://mp.weixin.qq.com/s/cEmtOAtfP2gSBlaPfGXb3w
多源信息表示学习在知识图谱中的应用
https://mp.weixin.qq.com/s/cL1aKdu8ig8-ocOPirXk2w
如何构建知识图谱
https://mp.weixin.qq.com/s/Nh7XJOLNBDdpibopVG4MrQ
中文通用百科知识图谱（CN-DBpedia）