NLP参考资源

https://antkillerfarm.github.io/

NLP参考资源

https://mp.weixin.qq.com/s/4eyxX_EfrImGXnYmTRUFHw

自然语言处理(NLP)入门指南

https://www.geekhub.cn/a/1163.html

宋睿华:好玩的文本生成

https://github.com/Gii16/TreeDrawer

A small tool to draw a only-text tree as the result of stanford coreNLP

http://www.cnblogs.com/CheeseZH/p/5768389.html

依存句法分析与语义依存分析的区别

http://www.taodocs.com/p-4795349.html

基于大规模问答语料的问题检索系统

https://wenku.baidu.com/view/d38ab1e8856a561252d36fab.html

短文本相似度计算在用户交互式问答系统中的应用

https://zhuanlan.zhihu.com/p/26461511

关于WordNet,我的一些用法和思路

http://mp.weixin.qq.com/s/YUV2YDXCH9fS_3ckPPBsFQ

手把手教你如何用TensorFlow实现基于DNN的文本分类

http://mp.weixin.qq.com/s/XPlyWdfZbOR5z25Ly-bUGQ

如何在Pytorch中通过OpenNMT系统实现神经机器翻译

http://mp.weixin.qq.com/s?__biz=MzI4MDYzNzg4Mw==&mid=2247483922&idx=1&sn=cffbaf797cc58e303a65a8a2ae370b86

句法分析(syntactic parsing)在NLP领域的应用是怎样的?

https://github.com/facebookresearch/fairseq

facebook的一个开源的翻译类深度学习项目。

https://speechlab.sjtu.edu.cn/pages/sz128/homepage/year/10/27/survey-on-grammar-retrieval/

论文调研:基于“规则、槽值”检索的口语语义理解

http://geek.csdn.net/news/detail/230350

无监督对话数据清洗利器:Data Purification Framework

http://mp.weixin.qq.com/s/lmHWo9MUdv7ZMI7ARNmTSw

拆开阿里小蜜的内核,看智能人机交互的实现逻辑

https://www.microsoft.com/en-us/research/project/dssm/

微软的DSSM模型

http://www.csdn.net/article/2015-08-28/2825569

递归神经网络不可思议的有效性

http://mp.weixin.qq.com/s/5kKkZp6Y3_TgHl98dtYNiw

NLP领域中文vs英文有什么异同点,中文NLP有什么独特的地方?

http://www.wildml.com/2016/07/deep-learning-for-chatbots-2-retrieval-based-model-tensorflow/

IMPLEMENTING A RETRIEVAL-BASED MODEL IN TENSORFLOW

https://mp.weixin.qq.com/s/vGUizRVnosd7cgxha-pimw

200行Python代码实现感知机词性标注器

http://www.jianshu.com/p/43db6425ad33

如何为聊天机器人设计数据通道

https://mp.weixin.qq.com/s/H7m7lqWpK27pJp9obXxlIQ

见微知著,从细节处提升词向量的表示能力

https://baijia.baidu.com/s?id=1571333621049553

对比神经机器翻译和统计机器翻译:NMT的六大挑战

https://mp.weixin.qq.com/s/L04yE6J8n-Z7Cl9yt6kphA

约翰霍普金斯大学计算机科学系Jason Eisner教授总结了一系列的自然语言处理优秀教学资源

http://www.jiqizhixin.com/article/2727

ACL 2017中国研究论文解读:读懂中国自然语言处理前沿进展

https://mp.weixin.qq.com/s/ssWi6XIebW8M6_JePG7RZg

微软的NLP帝国

https://github.com/lianwj/cnn-text-classification-tf

Convolutional Neural Network for Text Classification in Tensorflow

http://blog.csdn.net/skytree/article/details/43672627

2013年7月做的一个自动应答机器人的架构

https://mp.weixin.qq.com/s/mq0PdX6oB2kr_5FyoLA4ug

机器人数学考了134分,要上清华北大NLP是最大难关

https://mp.weixin.qq.com/s/uRR4Vh3PC8SFw-PD9FQLpw

命名实体识别(NER)的二三事

http://shiyanjun.cn/archives/548.html

使用libsvm+tfidf实现文本分类

http://licstar.net/archives/328

词向量和语言模型

http://www.toutiao.com/a6236100205026328834/

深度学习:推动NLP领域发展的新引擎

http://dataunion.org/9331.html

深度学习、自然语言处理和表征方法

https://www.zhihu.com/question/46272554

如何评价SyntaxNet

https://mp.weixin.qq.com/s/-y2vth2OGx9rAsPvEknVTg

神经网络结构在命名实体识别(NER)中的应用

https://mp.weixin.qq.com/s/PxyazOPKV3eB-qat8hM9ZQ

神经网络语义匹配技术

https://mp.weixin.qq.com/s/JgQAMknL4x7nMONzZua7tg

深度学习要多深,才能读懂人话?阿里小蜜前沿探索

https://mp.weixin.qq.com/s/yN0lOmA0XmqIntqLgwn-TQ

我们眼中的“关系抽取”

http://www.jianshu.com/p/f45c3540c56e

Chatbot架构

https://mp.weixin.qq.com/s/0Jz_BSe6DI29gvWiy7poBw

基于深度学习和经典方法的文本分类

https://mp.weixin.qq.com/s/6cTG9347dOLxiUs_-tdpnQ

百度开源:语义匹配应用介绍和源代码

https://mp.weixin.qq.com/s/zfgx2iViwFm-tzBGvgHVuw

百度开源:语义表示应用介绍和源代码

https://mp.weixin.qq.com/s/CxpyMUPnKFCTpw6WgG0kqg

依存句法分析的任务以及形式化定义

http://www.csdn.net/article/2015-02-05/2823865

让机器搞懂100万种隐含语义,腾讯Peacock大规模主题模型首次全揭秘

https://mp.weixin.qq.com/s/1TcIC2BFmswQAoC-86QBaw

基于句法结构与语义信息核函数的搭配关系抽取

https://mp.weixin.qq.com/s/NDsQzT4nktbw1fHLLFUhEQ

KBQA: 基于开放域知识库上的QA系统

http://www.jianshu.com/p/efe92bdb435d

语言模型:Trigram模型的平滑估计

https://mp.weixin.qq.com/s/t2eP09f7tLwhgLO9m1S-9Q

阿里自然语言处理成果

https://mp.weixin.qq.com/s/ROs1Gp_gbgRHUXA5I4yx-g

NLP2005年以来大突破:语义角色标记深度模型

https://mp.weixin.qq.com/s/xMCu8bbrJSVLEpUdd_RIGw

你是合格的数据科学家吗?30道题测试你的NLP水平

https://mp.weixin.qq.com/s/-bAeg91e3F8hsZAGGmRswQ

基于Bi-LSTM的语义角色标注系统

https://mp.weixin.qq.com/s/LbskUMqwkOJ8CFoLud76ww

机器理解中的迁移学习,斯坦福联合微软提出SynNet网络

https://mp.weixin.qq.com/s/Vh3bCO-ZYoBJLqCTPCpggg

论如何为聊天机器人定义一个固定的人格

https://mp.weixin.qq.com/s?__biz=MzU3NzEzOTE3Mg==&mid=2247483654&idx=1&sn=da54e5cd777e2b9b16e8d526b161886b

深度学习在自然语言处理的应用

https://mp.weixin.qq.com/s/86WNiyEoqBUqHuacNKoJtA

教你打造一个曲风分类机器人

https://mp.weixin.qq.com/s/klfTdvfti0xCg2lGitG4hg

用户表示方法对新浪微博中用户属性分类性能影响的研究

https://mp.weixin.qq.com/s/HNu3GOBFqFE3p6Z95cThaQ

情感计算是人机交互核心?谈深度学习在情感分析中的应用

https://mp.weixin.qq.com/s/gyuq2ujb1tiAvAlXtZY4Eg

聊聊“事件抽取”

https://mp.weixin.qq.com/s/sM72a52wz6eXSkcgnd4JJw

人类与机器人,如何能像朋友一样愉快聊天?

https://mp.weixin.qq.com/s/-D-5p_7DfvR3D7cZjlUmUA

TensorFlow 谷歌神经机器翻译:从零开始打造属于你的翻译系统

https://mp.weixin.qq.com/s/JAWDiNUfU62n8lDRG8zzRw

嘿,朋友,老夫掐指一算你就是“水军”

https://mp.weixin.qq.com/s/5ajhhc4mpIhoqkl5VkGnaw

深度学习实现问答机器人

http://blog.csdn.net/a635661820/article/details/43906731

Statistical language model统计语言模型

https://mp.weixin.qq.com/s/vNzUngc-boG4QYmf_8lFfw

自动为词汇推荐义原组合

https://mp.weixin.qq.com/s/IvbJ_d7z91BCcRVpJ9_jMA

如何用深度学习做自然语言处理?这里有份最佳实践清单

https://mp.weixin.qq.com/s/wH-YYzifsEqMCD_4n8B-Kw

12张图看懂Gartner《智能客服机器人行业最佳实践》报告

https://mp.weixin.qq.com/s/PRhhpoYqjMSZCPgrcfqibw

基于序列到序列模型的句子级复述生成

https://mp.weixin.qq.com/s/oMKhVtCTmQKLTmhMx008MA

基于背景知识的对话模型

https://mp.weixin.qq.com/s/eq1I92rjIAWEpYw-1fEHeQ

从Facebook AI Research开源fastText谈起文本分类:词向量模性、深度表征和全连接

https://mp.weixin.qq.com/s/PGj1IjLPz-RmTaLbcnYNCw

自然语言处理领军人刘兵:没有终身学习,机器不可能智能

https://mp.weixin.qq.com/s/jk1XgnuydrsTg3HvV0CVvw

当深度学习遇见自动文本摘要

https://mp.weixin.qq.com/s/DhiCkZd4TU4YIAm83e_vLg

更近人类的对话系统自动评测方法

https://mp.weixin.qq.com/s/2aKoOx18RB0GGQTzb3Tjzg

Facebook开源DrQA的PyTorch实现:基于维基百科的问答系统

https://mp.weixin.qq.com/s/9uG8lqr2Kn0vzZKyjLHNGg

从文本挖掘综述分类、聚类和信息提取等算法

https://mp.weixin.qq.com/s/GYTxN5X7MnSQ4k5bD2l-PQ

Salesforce的爱因斯坦AI最新NLP研究,通过情境化词向量从翻译中学习!

https://mp.weixin.qq.com/s/kMQ7q4EyBQUH1DEEhQWdCQ

Familia:开源的中文主题模型应用工具包

https://mp.weixin.qq.com/s/p8gEbamEbJBp_wzsy8_21A

词义的动态变迁

https://mp.weixin.qq.com/s/GUUkXrB1iyg4rQbBtICq6A

通过NMT训练的通用语境词向量:NLP中的预训练模型?

https://mp.weixin.qq.com/s/62b7kK0StmwTP_DGusE0MA

MIT自然语言处理数据集和语料库

https://mp.weixin.qq.com/s/GSHk-otPeyGZN5xRNehAyw

KBQA从入门到放弃—入门篇

https://mp.weixin.qq.com/s/-Zz5Cv4QJaRHdBFrGyBuLg

KBQA从入门到放弃 - Part 2

http://www.jianshu.com/p/371a9dd9bba1

五个入门深度学习自然语言处理资源

https://mp.weixin.qq.com/s/Ks9BVr6YC-naX2-iadI78w

自然语言理解-从规则到深度学习

https://mp.weixin.qq.com/s/c7nXiFCI3urS0cbSUSsgYg

哈工大刘挺教授:自然语言处理的十个发展趋势

https://mp.weixin.qq.com/s/wJry8N4FC9KVv_bVGuzXXw

LinkedIn文本分析平台:主题挖掘的四大技术步骤

http://mp.weixin.qq.com/s/Or6oDt0aZFlnlMr8EBr-xQ

三角兽首席科学家王宝勋:热度之下的对话生成

https://mp.weixin.qq.com/s/i4u4Ty8kC0zzUpmRqj8g7A

473个模型试验告诉你文本分类中的最好编码方式

https://mp.weixin.qq.com/s/-gnzRjLerqIyLPLBkZNmcA

深度学习在NLP中的运用?从分词、词性到机器翻译、对话系统

https://mp.weixin.qq.com/s/TjFzJVOowfceHwJNUItcxQ

从语言学到深度学习NLP,一文概述自然语言处理

https://mp.weixin.qq.com/s/r9WRkmApBaHvlCQ5F5ypjg

神奇的神经机器翻译:从发展脉络到未来前景

https://mp.weixin.qq.com/s/rLFm2J6Bao6H5Qj9Fw0wUg

百度陈翔 :基于机器学习的搜索语义理解技术!

https://mp.weixin.qq.com/s/BWg77FZ2IugBhO_HWHpfHw

深度学习在自然语言处理中的应用综述

https://mp.weixin.qq.com/s/_UC2jlOfb34tfB_tsEXjMg

谷歌全新神经网络架构Transformer:基于自注意力机制,擅长自然语言理解

https://mp.weixin.qq.com/s/9HeLayEDTUCy_ACJUV8fYA

中文分词调研:任何声称在PKU上拿到97%以上所谓“准确率”的说法,可信度都不高!

http://mp.weixin.qq.com/s/fn9WKu0_aH2-lx6VvxC_RA

生成式关键短语识别

https://mp.weixin.qq.com/s/M6ufA_9jyGjDCOSDNDrIYg

CMU神经网络自然语言处理课程推荐的学习资料(非教程)

https://mp.weixin.qq.com/s/xHeEFuv1m1jXFig4tXZY8w

自然语言处理(NLP)快速入门指南

https://mp.weixin.qq.com/s/VPs6OB81K1H7_TMV9xLUVQ

零基础进行神经网络语言建模

http://blog.csdn.net/xizero00/article/details/51182003

论文阅读:End-To-End Memory Networks

http://geek.csdn.net/news/detail/135736

漫谈词向量之基于Softmax与Sampling的方法

https://mp.weixin.qq.com/s/rF4zKCbj3Jh8dDR1239lpA

基于双语主题模型的跨语言层次分类体系匹配

https://mp.weixin.qq.com/s/gQ9dV-IPWHTOLbI6u0D67g

可解释推荐系统:身怀绝技,一招击中用户心理

https://mp.weixin.qq.com/s/M_ZN0YuvegAnc2GXCZTt9Q

初学者指南:神经网络在自然语言处理中的应用

https://mp.weixin.qq.com/s/ouNxUvWC_mxap6P5z6_dFA

教聊天机器人进行多轮对话

https://mp.weixin.qq.com/s/fZv9FgbdQ1bWPoNdl9sF1A

“宝石迷阵”与信息检索

http://www.jianshu.com/p/0273c377c34e

机器学习算法在文本分类中的应用综述

https://mp.weixin.qq.com/s/BcUB3bXrPJF0WQetWs7Law

用深度学习解决自然语言处理中的7大问题,文本分类、语言建模、机器翻译等

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值