NLP合集:教程/实体抽取/关系(三元组)抽取/文本分类/知识图谱/Bert系列/相似度判定/机器人问答/文本工具/竞赛方案精选/面试指南/NLP各类任务数据集等集合

Cool-NLPCV （持续更新中…）

Some Cool NLP and CV Repositories and Solutions

Cool-NLP | Cool-CV

旨在收集NLP中常见任务的开源解决方案、数据集、工具、学习资料、优质博客等，方便学习或快速查找。在此分享出来，供大家参考。欢迎积极分享并Star，谢谢!
会持续不定时更新，也欢迎加入共同分享。将在github持续更新

所有内容来源于网络，如果有侵权等问题，请及时联系我删除

1、机器学习&深度学习入门精选

• Python-100天从新手到大师
• 斯坦福大学2014（吴恩达）机器学习教程中文笔记
• 《统计学习方法》第二版的代码实现
• Coursera深度学习教程中文笔记(deeplearning.ai吴恩达)
• 《动手学深度学习》TensorFlow2.0版本
• 《动手学深度学习》Pytorch版本
• Deep-learning-with-keras-notebooks
• TensorFlow2教程及深度学习入门指南
• Pytorch模型训练实用教程
• 《机器学习》(西瓜书)公式推导解析
• 数据科学笔记以及资料搜集Data-Science-Notes
• 李宏毅《深度强化学习》笔记
• Pandas中文教程
• 各种框架的深度学习环境Docker镜像

2、词向量&Bert系列预训练模型

• 100+ Chinese Word Vectors上百种预训练中文词向量
• 腾讯词向量
• Pre-Training with Whole Word Masking for Chinese BERT(中文BERT-wwm系列模型)
• 谷歌官方BERT
• 中文ELECTRA预训练模型
• 中文XLNet预训练模型
• 中文MacBERT预训练模型
• 中文AlBert预训练模型
• 开源预训练语言模型合集
• JD客服对话数据(42G,12亿句子)预训练BERT及WordEmbedding
• 以词为基本单位的中文BERT
• 高质量中文预训练模型集合：最先进大模型、最快小模型、相似度专门模型

3、自然语言处理数据集&数据下载网站

• 任务型对话数据、文本分类、实体识别&词性标注、搜索匹配、推荐系统、百科数据、指代消歧、中文完形填空数据集、中华古诗词数据库、保险行业语料库、汉语拆字字典、中文数据集平台
• 情感/观点/评论 倾向性分析、中文命名实体识别、推荐系统、FAQ 问答系统
• 维基百科、新闻语料、百科问答、社区问答、中英翻译语料
• 中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜
• 知识图谱的数据集:常识、城市、金融、农业、地理、气象、社交、物联网、医疗、娱乐、生活、商业、出行、科教等
• 新冠开放知识图谱
• 《大词林》开源75万核心实体和围绕核心实体的细粒度概念、关系列表
• 大规模医疗对话数据集:包含110万医学咨询，400万条医患对话
• 新冠及其他类型肺炎中文医疗对话数据集
• MedQuAD：(英文)医学问答数据集
• 中文医疗对话数据集Chinese medical dialogue data
• 大规模中文知识图谱数据
• 中文语音语料:说话人约3200个，音频约900小时，文本约113万条，共有约1300万字
• THUOCL（THU Open Chinese Lexicon）中文词库
• 面向中文处理的12类、百万规模的语义常用词典，包括34万抽象语义库、34万反义语义库、43万同义语义库等
• 百度知道问答语料库，包括超过580万的问题，938万的答案，5800个分类标签
• 公司名语料库、机构名语料库
• 中英文NLP数据集
• 智源数据开放研究中心
• 百度大脑
• 滴滴数据开放计划

4、基于Bert(bert4keras)的各类任务统一框架实现：

• 中文分词、实体识别、文本(情感)分类、阅读理解、标题生成、关系抽取(三元组抽取)、对抗训练、图像描述生成、文本生成

5、BAT机器学习面试1000题系列

6、Macadam是一个以Tensorflow(Keras)和bert4keras为基础，专注于文本分类、序列标注和关系抽取的自然语言处理工具包，

• 支持RANDOM、WORD2VEC、FASTTEXT、BERT、ALBERT、ROBERTA、NEZHA、XLNET、ELECTRA、GPT-2等EMBEDDING嵌入
• 支持FineTune、FastText、TextCNN、CharCNN、BiRNN、RCNN、DCNN、CRNN、DeepMoji、SelfAttention、HAN、Capsule等文本分类算法
• 支持CRF、Bi-LSTM-CRF、CNN-LSTM、DGCNN、Bi-LSTM-LAN、Lattice-LSTM-Batch、MRC等序列标注算法

7、论文合集&实战分享

• NLP相关顶会(如ACL、EMNLP、NAACL、COLING、AAAI、IJCAI)的论文、开源代码项目合集
• NLP论文多个领域经典、顶会、必读整理分享
• 深度学习模型在各大公司实战落地细节解读,主要包括搜索/推荐/自然语言处理方向

8、实体识别合集

• 基于TF：BERT-BiLSTM-CRF-NER
• 基于TF+Pytorch:CLUENER 细粒度命名实体识别
• 基于Pytorch:Chinese NER(Named Entity Recognition) using BERT(Softmax, CRF, Span)
• 基于TF：命名实体识别实践与探索
• 工业界如何解决NER问题？12个trick，与你分享
• 中文NER的正确打开方式: 词汇增强方法总结 (从Lattice LSTM到FLAT)
• 支持批并行的LatticeLSTM
• medical_NER - 中文医学知识图谱命名实体识别
• BERT/CRF实现的命名实体识别
• 用预训练语言模型ALBERT做中文NER
• 用 bilstm-crf,bert及相关方法进行序列标注
• BILSTM+CRF做医疗实体识别,包含医疗NER数据
• DeepIE:基于深度学习的信息抽取技术

9、文本(情感)分类

• 基于CNN，RNN 和NLP中预训练模型构建的多个常见的文本分类模型
• 中文文本分类，TextCNN，TextRNN，FastText，TextRCNN，BiLSTM_Attention, DPCNN, Transformer,基于pytorch
• 腾讯开源深度学习文本分类工具:NeuralNLP-NeuralClassifier,基于Pytorch
• Keras-TextClassification
• 中文ULMFiT 情感分析 文本分类
• 基于Bert、Xlnet + cnn、lstm、gru的文本分类
• 如何解决NLP分类任务的11个关键问题
• 文本分类资料综述总结(含代码)

10、关系抽取(三元组抽取)

• 基于远监督的中文关系抽取
• 基于DGCNN和概率图的轻量级信息抽取模型
• 用bert4keras做三元组抽取
• 信息抽取冠军方案分享：嵌套NER+关系抽取+实体标准化
• ACL2020信息抽取相关论文汇总
• Nlp中的实体关系抽取方法总结
• DeepKE:基于 Pytorch 的深度学习中文关系抽取框架
• 基于TensorFlow的实体及关系抽取,2019语言与智能技术竞赛信息抽取任务解决方案
• 一种级联指针三元组抽取框架
• 事件抽取方法总结(含代码)
• DeepIE:基于深度学习的信息抽取技术

11、文本生成、文本摘要

• 动手做个DialoGPT：基于LM的生成式多轮对话模型

12、阅读理解

• 基于MLM的阅读理解问答

13、知识图谱

• 基于医药知识图谱的智能问答系统
• 京东商品知识图谱
• 军事领域知识图谱问答项目
• 百度百科中文页面，抽取三元组信息，构建中文知识图谱
• 基于知识图谱的问答系统
• 《知识图谱》课程资料
• 农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策
• 知识图谱构建，自动问答，基于kg的自动问答:以疾病为中心的一定规模医药领域知识图谱，并以该知识图谱完成自动问答与分析服务
• 知识图谱相关学习资料，提供系统化的知识图谱学习路径

14、文本相似度计算(判定)

• 中文问题句子相似度计算比赛及方案汇总
• 中国法研杯相似案例匹配Top1团队解决方案
• 常用文本匹配模型tf版本，数据集为QA_corpus
• 文本匹配的相关模型DSSM,ESIM,ABCNN,BIMPM等，数据集为LCQMC官方数据
• 基于Siamese bilstm模型的相似句子判定模型,提供训练数据集和测试数据集

15、Attention(注意力机制)、Transformer

• 《Attention is All You Need》浅读(简介+代码)
• 通俗易懂：8大步骤图解注意力机制
• Transformer如戏，全靠Mask
• 放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN/RNN/TF）比较

16、机器人、问答

• 智能客服、聊天机器人的应用和架构、算法分享和介绍
• 微软聊天机器人框架BotFramework
• 聊天机器人框架RASA
• GPT2 for Chinese chitchat/用于中文闲聊的GPT2模型
• 基于金融-司法领域(兼有闲聊性质)的聊天机器人
• 基于rasa_nlu，rasa_core，rasa_core_sdk构建的聊天机器人

17、Embedding系列

• nlp中的词向量对比：word2vec/glove/fastText/elmo/GPT/bert
• 乘风破浪的PTM：两年来预训练模型的技术进展
• 万字长文解析词向量(W2C/Fasttext/Glove)
• Embedding入门必读的十篇论文

18、Bert解读系列

• BERT模型图解
• NLP预训练模型：从transformer到albert
• Bert时代的创新（应用篇）：Bert在NLP各领域的应用进展
• 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史
• XLNet:运行机制及和Bert的异同比较

19、NLP任务处理合集，包括但不限于词向量、命名实体识别、文本分类、文本生成、文本相似性计算、关系抽取、中文分词、词性标注、情感分析、新词发现、关键词、文本摘要、文本聚类等

• NLP相关的一些论文及代码, 包括主题模型、词向量、命名实体识别、文本分类、文本生成、文本相似性计算等，涉及到各种与nlp相关的算法，基于keras和tensorflow
• Jiagu自然语言处理工具 - 以BiLSTM等模型为基础，提供知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类等功能
• Texthero：文本数据高效处理包，包括预处理、关键词提取、命名实体识别、向量空间分析、文本可视化等
• 基于Pytorch的Bert应用，包括命名实体识别、情感分析、文本分类以及文本相似度等

20、NLP基础工具包

• 清华THULAC
• HanLP
• 哈工大LTP
• Jieba
• NLPIR汉语分词
• JioNLP：中文NLP任务预处理工具包，准确、高效、零使用门槛
• Time-Extractor:中文文本时间抽取、时间转换及标准化

21、文本对抗、数据增强

• TextAttack:一个用于NLP对抗性攻击、数据扩充和模型训练的框架
• 对抗训练浅谈：意义、方法和思考(附Keras实现)
• 中文语料的EDA数据增强工具
• 一文搞懂NLP中的对抗训练FGSM/FGM/PGD/FreeAT/YOPO/FreeLB/SMART
• NLP中的对抗训练 + PyTorch实现

22、NLP标注工具或平台

• BRAT:基于web的文本标注工具
• YEDDA
• MarkTool 基于web的通用文本标注工具,支持大规模实体标注、关系标注、事件标注、文本分类等
• doccano:一站式文本标注工具

23、NLP面试指南

• NLP算法面试必备！史上最全！PTMs：NLP预训练模型的全面总结
• NLP/AI面试全记录(持续更新，最全预训练总结)
• 机器学习、NLP面试中常考到的知识点和代码实现
• 关于Attention和Transformer的灵魂拷问

24、人工智能技术系列报告

• 清华大学人工智能技术系列报告

25、国内自然语言处理(NLP)研究组

26、语音识别

• MASR 中文语音识别
• 基于深度学习的中文语音识别系统 A Deep-Learning-Based Chinese Speech Recognition System

27、Seq2Seq

• 无监督编程语言转换(Python、C++、Java)

28、NLP竞赛精选

• NLP比赛的TOP方案
• 首届中文NL2SQL挑战赛冠军方案
• 首届中文NL2SQL挑战赛季军方案与代码
• Kaggle竞赛宝典方案汇总
• 推荐算法竞赛TOP方案合集

29、模型蒸馏

• BERT模型蒸馏完全指南（原理/技巧/代码）
• 一个基于PyTorch的NLP知识蒸馏工具包

30、训练技巧

• 神经网络分布式训练、混合精度训练、梯度累加…一文带你优雅地训练大型模型
• BERT预训练实操总结

31、竞赛网站

• 阿里云天池
• DataFountain
• Biendata competitions
• DC-lab
• Kaggle
• 图灵联邦
• Flyai
• Eval