NLP 基础&应用研究方向简介

置顶艾鹤

已于 2023-07-04 09:13:14 修改

阅读量4.1k

点赞数 4

分类专栏： nlp 文章标签：自然语言处理 python 知识图谱

于 2019-07-05 17:25:16 首次发布

本文链接：https://blog.csdn.net/u010212101/article/details/94743141

版权

nlp 专栏收录该内容

42 篇文章 3 订阅

订阅专栏

介绍：

NLP 包含基础研究、应用研究两个方面，其中，基础研究包括数据相关以及分析相关，应用研究包括NLP本领域以及相关领域研究。

1-1 数据（基础）相关：数据抓取、数据预处理（字符编码）、数据存储（数据库、图谱）、数据分析（数学）等
1-2 分析相关：词、句、篇等分析，比如：分词、序列标注、消歧/消解、关键词抽取、文本相似度、分类、句法分析等
2-1 本领域：机器翻译、对话、问答、自动摘要、舆情分析、情感分析、阅读理解等
2-2 相关领域：机器学习、搜索、推荐、ocr、asr、cv、tts等

1-1 数据（基础）相关

数据预处理

NLP 相关领域研究进展（论文&项目）

https://www.aminer.cn/conf
https://www.paperdigest.org/conference-paper-digest/ #AI顶会论文
 https://aclanthology.org/
https://www.yanxishe.com/meeting
https://zhuanlan.zhihu.com/arxivdaily
https://paperswithcode.com/area/natural-language-processing
https://github.com/sebastianruder/NLP-progress
https://github.com/makcedward/nlp
https://chinesenlp.xyz/
https://github.com/NiuTrans/ABigSurvey

数据：

同义词、反义词以及同义的强度
https://www.thesaurus.com/browse/happy?s=t ？
My NLP toollet
https://github.com/aiainui/NLPToollet
数据标注工具
精灵标注
http://www.jinglingbiaozhu.com/

其他

自然语言处理简介及主要研究方向

https://blog.csdn.net/Suyebiubiu/article/details/82563225

国内关于自然语言处理的研究方向细分

https://blog.csdn.net/yeziand01/article/details/80525672

自然语言处理nlp全领域综述

https://blog.csdn.net/lizhe_dashuju/article/details/81099900

NLP国内外相关学者
https://www.aminer.cn/
https://zhuanlan.zhihu.com/p/48529628
https://www.zhihu.com/question/24366306/answer/729914732

NLP领域国内外知名会议和期刊
https://blog.csdn.net/weixin_34613450/article/details/86679630

AI相关顶会
https://shimo.im/sheets/J3Hy3xTdv9QQJy8H/HRXvn

论文搜索技巧(https://www.douban.com/group/topic/144179135/)：
①确定一组关键字：如果不能一次确定，可以逐步逼近
②确定搜索范围：我们应该从最专业的网站开始查起，比如NLP我们应该首先查看最近几年的ACL/EMNLP等；如果不确定，可以放宽范围，搜索引擎，图书馆，知网等，
论文查询&下载地址如下：
https://sci-hub.tw/
https://sci-hub.ren/
https://arxiv.org/
https://gfsoso.99lb.net/scholar.html
国家图书情报中心、各类图书馆、知网
谷歌
百度学术

专业书下载：
https://b-ok.org/

学习方法&激励

学霸的作息是怎样的，为什么都不会困？
博士这五年
 施一公《学习方法的报告》的演讲

多品读up-老烟斗的抗美援朝系列，无数英烈邱少云，黄继光，杨根思等激烈着我们，比起他们的拼搏和牺牲，学习太容易了。

综述关键词：
trend, review, survey

项目开发

机器学习训练秘籍[吴恩达]

Huggingface Transformers实战教程

项目开发过程中不得不思考的几点：

①标准定义：请反复打磨
②数据标注：请反复打磨，它决定了项目的成败
③验收标准：和业务定好验收标准，如果最终达不到，说明原因
④测试报告：
⑤不可忽视的优化思路：
卡阈值；
后处理/加规则；
请输出训练过程中模型的效果，它可能是业务需要的效果；
⑥测试集：
测试集尽量不要动；
业务方尽量不要提供给算法测试集，而是索要预测结果，防止打比赛拟合数据
⑦交接过程中，请给出一键运行到底且能复现效果的代码
⑧标注时：如有必要，可以用模型辅助标注，加快标注速度和准确率

...