nlp顶级期刊_2020年顶级NLP库

最新推荐文章于 2023-02-12 17:40:46 发布
最新推荐文章于 2023-02-12 17:40:46 发布
阅读量1.2k 收藏 3
点赞数
原文链接：https://towardsdatascience.com/top-nlp-libraries-to-use-2020-4f700cdb841f
版权

nlp顶级期刊

自然语言处理 (Natural Language Processing)

Natural Language Processing has been one of the most researched fields in deep learning in 2020, mostly due to its rising popularity, future potential, and support for a wide variety of applications.

自然语言处理一直是2020年深度学习领域研究最多的领域之一，这主要是由于其日益普及，未来的潜力以及对各种应用程序的支持。

If you have played around with deep learning before, you probably know conventional deep learning frameworks such as Tensorflow, Keras, and Pytorch. Assuming that you know these basic frameworks, this tutorial is dedicated to briefly guide you with other useful NLP libraries that you can learn and use in 2020. Depending on what you want to do, you might be able to take away a few names of the tools that interest you or didn't know exist!

如果你已经用深度学习之前发挥各地，你可能知道传统的深度学习框架，如Tensorflow ， Keras和Pytorch 。 假定您了解这些基本框架，本教程将专门为您简要指导您在2020年可以学习和使用的其他有用的NLP库。根据您想做的事，您也许可以删除一些您感兴趣或不知道的工具存在！

通用框架 (General Frameworks)

艾伦 (AllenNLP)

Image for post
Source) 来源 )
  • Popularity: ⭐⭐⭐⭐

    人气：⭐⭐⭐⭐

  • Official Website: https://allennlp.org/

    官方网站： https : //allennlp.org/

  • Github: https://github.com/allenai/allennlp

    GitHub： https : //github.com/allenai/allennlp

  • Explanation: AllenNLP is a general framework for deep learning for NLP, established by the world-famous Allen Institute for AI Lab. It contains state-of-the-art reference models that you can start implementing fast. It also supports a wide variety of tasks and datasets so there is no worry about that. It also includes a lot of cool demos that you can check out to see if you want to learn and use this framework!

    说明：AllenNLP是用于NLP的深度学习的通用框架，该框架由举世闻名的Allen AI实验室研究所建立 。 它包含最新的参考模型，您可以开始快速实施它们。 它还支持各种各样的任务和数据集，因此不必担心。 它还包括许多很酷的演示，您可以查看这些演示，以了解是否要学习和使用此框架！

Fairseq (Fairseq)

Image for post
Source) 来源 )

Fast.ai (Fast.ai)

  • Popularity: ⭐⭐⭐⭐

    人气：⭐⭐⭐⭐

  • Official Website: http://docs.fast.ai/

    官方网站： http : //docs.fast.ai/

  • Github: https://github.com/fastai/fastai

    GitHub： https : //github.com/fastai/fastai

  • Explanation: Fast.ai is built to make deep learning accessible to people without technical backgrounds through its free online courses and also easy-to-use software library. In fact, it’s co-founder Jeremy Howard just published (Aug. 2020) a completely new book called Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD, which it’s title is pretty self-explanatory. In the Fast.ai library, they have a specified Text section, which is for anything related to NLP. They have super high-level abstractions and easy implementations for NLP data preprocessing, model construction, training, and evaluation. I really recommend Fast.ai to anyone who prefers practice over theory and wants to solve a problem fast.

    说明：Fast.ai的构建旨在通过其免费的在线课程和易于使用的软件库，使没有技术背景的人们可以进行深度学习。 实际上，它的联合创始人杰里米·霍华德(Jeremy Howard)刚刚出版(2020年8月)一本全新的书，名为“使用Fastai和PyTorch进行代码深度学习：没有博士学位的AI应用程序” ，其标题是不言而喻的。 在Fast.ai库中，它们具有指定的Text节 ，该节用于与NLP相关的任何内容。 它们具有用于NLP数据预处理，模型构建，培训和评估的超高级抽象，并且易于实现。 我真的向那些偏爱实践而不是理论并希望快速解决问题的人推荐Fast.ai。

前处理 (Preprocessing)

空间 (Spacy)

  • Popularity: ⭐⭐⭐⭐⭐

    人气：⭐⭐⭐⭐⭐

  • Official Website: https://spacy.io/

    官方网站： https ： //spacy.io/

  • Github: https://github.com/explosion/spaCy

    GitHub： https : //github.com/explosion/spaCy

  • Explanation: Spacy is the most popular text preprocessing library and most convenient one that you will ever find out there. It contains lots of easy-to-use functions for tokenization, part-of-speech tagging, named entity recognition, and much more. It also supports 59+ languages and several pretrained word vectors that you can get you started fast!

    说明：Spacy是最受欢迎的文本预处理库，您将在其中找到最方便的一种。 它包含许多易于使用的功能，用于标记化，词性标记，命名实体识别等。 它还支持59种以上的语言和几种预训练的单词向量，您可以快速入门！

NLTK (NLTK)

  • Popularity: ⭐⭐⭐⭐⭐

    人气：⭐⭐⭐⭐⭐

  • Official Website: https://www.nltk.org/

    官方网站： https : //www.nltk.org/

  • Github: https://github.com/nltk/nltk

    GitHub： https : //github.com/nltk/nltk

  • Explanation: Similar to Spacy, it is another popular preprocessing library for modern NLP. Its function ranges from tokenization, stemming, tagging, to parsing and semantic reasoning. Personally, NLTK is my favorite preprocessing library of choice because I just like how easy NLTK is. It just gets the job done, and fast.

    说明：与Spacy相似，它是现代NLP的另一个流行的预处理库。 它的功能范围从标记化，词干提取，标记到解析和语义推理。 就我个人而言，NLTK是我最喜欢的预处理库，因为我喜欢NLTK多么容易。 它只是完成工作，而且速度很快。

火炬文本 (TorchText)

  • Popularity: ⭐⭐⭐⭐

    人气：⭐⭐⭐⭐

  • Official Website: https://torchtext.readthedocs.io/en/latest/

    官方网站： https : //torchtext.readthedocs.io/en/latest/

  • Github: https://github.com/pytorch/text

    GitHub： https : //github.com/pytorch/text

  • Explanation: TorchText is officially supported by Pytorch, and hence grew popularity. It contains convenient data processing utilities to process and prepare them in batches before you feed them into your deep learning framework. I use TorchText quite a lot for loading in my train, validation, and test datasets to do tokenization, vocab construction, and create iterators, which can be used later on by dataloaders. It really comes in as a handy tool that handles all the hefty work for you in a few simple lines. You can also easily use pretrained word embeddings, like Word2Vec or FastText, for your datasets, easily. You can see how I use TorchText by looking at my BERT Text Classification Using Pytorch article.

    说明：TorchText得到Pytorch的正式支持，因此越来越受欢迎。 它包含便利的数据处理实用程序，可在批量处理和准备它们之前将其输入到深度学习框架中。 我将TorchText大量用于加载训练，验证和测试数据集，以进行标记化，vocab构造和创建迭代器，这些稍后可被数据加载器使用。 它确实是一个方便的工具，可以用几行简单的代码为您处理所有繁重的工作。 您还可以轻松地为数据集轻松使用经过预训练的单词嵌入，例如Word2Vec或FastText。 通过查看我的使用Pytorch进行的BERT文本分类，可以了解我如何使用TorchText 。

变形金刚 (Transformers)

拥抱的脸 (Huggingface)

Image for post
Source) 来源 )
  • Popularity: ⭐⭐⭐⭐⭐

    人气：⭐⭐⭐⭐⭐

  • Official Website: https://huggingface.co/

    官方网站： https : //huggingface.co/

  • Github: https://github.com/huggingface/transformers

    GitHub： https : //github.com/huggingface/transformers

  • Explanation: This is the most popular library out there that implements a wide variety of transformers, from BERT and GPT-2 to BART and Reformer. I use it on a daily basis, and from my own experience, their code readability and documentation are crispy clear. In their official github repo, they even organized their python scripts by different tasks, such as language modelling, text generation, question answering, multiple choice, etc. They have built-in scripts for running the baseline transformers for each of these tasks, so it’s really convenient to use them!

    说明：这是最流行的库，它实现了从BERT和GPT-2到BART和Reformer的各种转换器。 我每天都使用它，根据我自己的经验，它们的代码可读性和文档清晰易读。 在他们的官方github存储库中 ，他们甚至通过不同的任务来组织python脚本，例如语言建模，文本生成，问题回答，多项选择等。他们具有内置的脚本，用于为每个任务运行基线转换器，因此使用它们真的很方便！

具体任务 (Specific Tasks)

Gensim (Gensim)

  • Popularity: ⭐⭐⭐

    人气：⭐⭐⭐

  • Official Website: https://radimrehurek.com/gensim/

    官方网站： https : //radimrehurek.com/gensim/

  • Github: https://github.com/RaRe-Technologies/gensim

    GitHub： https : //github.com/RaRe-Technologies/gensim

  • Task: Topic Modeling, Text Summarization, Semantic Similarity

    任务：主题建模，文本摘要，语义相似度
  • Explanation: Gensim is a high-end, industry-level software for topic modeling of a specific piece of text. It is very robust, platform-independent, and scalable. I used it when I was doing my internship at an AI startup where we want to judge the semantic similarity between two newspaper articles. There’s a really simple function call that allows you to do just that and return their similarity score, so it’s extremely handy!

    说明：Gensim是用于特定文本主题建模的高端行业级软件。 它非常健壮，与平台无关且可扩展。 当我在一家AI初创公司实习时，我用它来判断两个报纸文章之间的语义相似性。 有一个非常简单的函数调用，使您可以执行此操作并返回其相似性分数，因此非常方便！

OpenNMT (OpenNMT)

  • Popularity: ⭐⭐⭐

    人气：⭐⭐⭐

  • Official Website: https://opennmt.net/

    官方网站： https ： //opennmt.net/

  • Github: https://github.com/OpenNMT/OpenNMT-py

    GitHub： https : //github.com/OpenNMT/OpenNMT-py

  • Task: Machine Translation

    任务：机器翻译
  • Explanation: OpenNMT is a convenient and powerful tool for the machine translation and sequence learning tasks. It contains highly configurable models and training procedures that make it a very simple framework to use. I have coworkers who would recommend using OpenNMT for different kinds of sequence learning tasks because it’s open-source and simple.

    说明：OpenNMT是用于机器翻译和序列学习任务的便捷而强大的工具。 它包含高度可配置的模型和培训过程，使其成为一个非常简单的框架。 我有一些同事建议使用OpenNMT进行各种类型的序列学习任务，因为它是开源且简单的。

帕拉 (ParlAI)

Image for post
Source) 来源 )
  • Popularity: ⭐⭐⭐

    人气：⭐⭐⭐

  • Official Website: https://parl.ai/

    官方网站： https : //parl.ai/

  • Github: https://github.com/facebookresearch/ParlAI

    GitHub： https : //github.com/facebookresearch/ParlAI

  • Task: Task-Oriented Dialogue, Chit-chat Dialogue, Visual Question Answering

    任务：面向任务的对话，聊天对话，视觉问答
  • Explanation: ParlAI is Facebook’s #1 framework for sharing, training, and testing dialogue models for different kinds of dialogue tasks. It provides an all-in-one environment for supporting a wide variety of reference models, pretrained models, datasets, etc. Unlike most of the other tools on this list, ParlAI requires some level of coding and machine learning expertise, if you want to customize things on your own. In other words, it’s a bit more complicated to use but nevertheless a great tool to use if you’re into dialogue.

    说明：ParlAI是Facebook的＃1框架，用于共享，培训和测试用于各种对话任务的对话模型。 它提供了一个支持多种参考模型，预训练模型，数据集等的一体化环境。与该列表中的大多数其他工具不同，ParlAI需要一定水平的编码和机器学习专业知识，如果您要自行定制东西。 换句话说，它使用起来有点复杂，但是如果您要进行对话，它还是一个很好的工具。

深帕夫洛夫 (DeepPavlov)

Image for post
Source) 来源 )
  • Popularity: ⭐⭐⭐

    人气：⭐⭐⭐

  • Official Website: http://deeppavlov.ai/

    官方网站： http : //deeppavlov.ai/

  • Github: https://github.com/deepmipt/DeepPavlov

    GitHub： https : //github.com/deepmipt/DeepPavlov

  • Task: Task-Oriented Dialogue, Chit-chat Dialogue

    任务：面向任务的对话，聊天对话
  • Explanation: An alternative to ParlAI, I would say DeepPavlov is more for application and deployment rather than research, although you could definitely still do quite a lot of customization with DeepPavlov. I would argue that DeepPavlov to ParlAI is like Tensorflow to Pytorch. DeepPavlov is a framework mainly for chatbots and virtual assistants development, as it provides all the environment tools necessary for a production-ready and industry-grade conversational agent. I have used it once during a hackathon, fine-tuning a conversational agent to the restaurant domain (so that users can check the menu and order the food they want), and the end result works like a charm!

    说明：除了ParlAI之外，我想说DeepPavlov更适合于应用程序和部署，而不是用于研究，尽管您仍然可以使用DeepPavlov进行很多自定义。 我会认为，DeepPavlov到ParlAI就像Tensorflow到Pytorch。 DeepPavlov是主要用于聊天机器人和虚拟助手开发的框架，因为它提供了生产就绪和行业级对话代理所需的所有环境工具。 我在黑客马拉松期间使用过一次，将会话代理微调到餐厅域(以便用户可以检查菜单并订购所需的食物)，最终结果就像一个魅力！

翻译自: https://towardsdatascience.com/top-nlp-libraries-to-use-2020-4f700cdb841f

nlp顶级期刊

weixin_26720761
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
人工智能 | 自然语言处理（NLP）（国内外研究组）
尘世冰封的专栏
04-26 4860
博主github：https://github.com/MichaelBeechan 博主CSDN：https://blog.csdn.net/u011344545 ============================================ 概念篇：https://blog.csdn.net/u011344545/article/details/89525801 技术篇：https:...
自然语言处理国内外著名会议、期刊
weixin_41018827的博客
09-21 6308
会议 国际 1.ACL（International association of computational linguistics）国际计算语言学会 影响力最高，h5指数87。成立于1962年的ACL于今年正式成立ACL亚太分会（AACL），首届预计于2020年举行，此后将每两年举行一次。是本领域最权威的学术会议之一。 2.NAACL(North American Association...
Machine Learning、Date Mining、IR&NLP 会议期刊论文推荐
weixin_33675507的博客
03-29 119
核心期刊排名查询 http://portal.core.edu.au/conf-ranks/ http://portal.core.edu.au/jnl-ranks/ 1、机器学习推荐会议 ICML——很难读懂，值得一读 NIPS ——主要看文章摘要 ECML 2、数据挖掘推荐会议： ICDE ICDM——略逊 CIKM KDD 3、IR推荐会议...
NLP顶级会议
ZXY_Hobby的博客
07-09 747
会议( C ): ACL (Annual Meeting of the Association for Computational Linguistics) 国际计算语言学会 影响力最高，h5指数87。成立于1962年的ACL于今年正式成立ACL亚太分会（AACL），首届预计于2020年举行，此后将每两年举行一次。是本领域最权威的学术会议之一。 NAACL (Annual Conference o...
NLP方向论文会议和期刊
我是杨老师
02-10 1861
链接：https://www.zhihu.com/question/57439092/answer/152944221 NLP领域的会议认可度难度如下： 1档：ACL ACL都是内行，基本上review comments非常详细，不会出现特别2的审稿人，很多小伙伴投稿的comments都有20多条；reviewer这次ACL给我写语法错误写了9条。 1.5档：EMNLP，NAACL，TACL； 和ACL很类似很类似，不过由于很多paper是ACL拒的，所以可能稍微差一点，不过差的不多。 2档：A.
NLP方向的论文可投的核心期刊
qq_48278620的博客
02-12 2397
NLP方向的论文可投的核心期刊
国外刊登NLP的期刊[zz]
happmaoo的专栏
08-24 399
国外刊登NLP的期刊1. Artificial Intelligence ( SCI 源刊 EI源刊)http://www.elsevier.com http://www.elsevier.com/wps/find/journaldescription.cws_home/505601/description#description ISSN: 0004-3702ARTIFICIAL INTELLI...
走近自然语言处理(NLP)学术界
不凡不弃的博客
05-30 1349
前言：与老牌学科如物理学、化学等相比，计算机学科还非常年轻，学科体系长期处于剧烈变革之中。作为计算机应用的重要方向，人工智能和自然语言处理自然更不例外，与现实应用紧密相关，技术发展日新月异，常给人今是昨非之感。在这种情况下，传统学术期刊的那种投稿1-2年才能见刊的模式已经赶不上技术革新的速度，年度学术会议显然更符合计算机学科发展和交流的需求，可以看作是一种“小步快跑”的模式。阅读学术论文、参加学术会议是进入学术界、走进学术前沿的重要方式，在学术会议上，不仅可以集中听取最新的成果报告，还有讲习班（Tutori
自然语言处理领域国内外著名会议和期刊
热门推荐
lyb3b3b的专栏
10-30 2万+
本文介绍自然语言处理(Natural Language Processing, NLP)领域的一些国内外著名会议和期刊。 自然语言处理(NLP)和计算语言学（Computational Linguistics, CL）有很多重合之处。 国际会议 ACL、EMNLP、NAACL和COLING可以说是 NLP 领域的四大顶会。其中 ACL、EMNLP、NAACL都是一家的（均由 ACL 举办...
NLP.zip_NLP_nlp处理docx_python nlp_自然语言处理
09-24
自然语言处理教程与项目总结,java与python描述均有。
NLP.zip_nlp相似度_python_semantic similarity_自然语言处理_语义相似度
09-24
基于向量模型的判断语句之间的相似度的语义分析自然语言处理代码
NLP： 基于自然语言处理的咨询平台知识库系统.zip
04-21
基于自然语言处理的咨询平台知识库系统 基于自然语言处理的知识库系统、咨询、问答库 项目采用maven的项目管理工具管理，并且采用的Spring cloud、SpringBoot微服务框架开发。此处建议使用idea工具进行编辑开发。
人工智能_自然语言处理_语料库_中文公开聊天语料库
04-07
该库是对目前市面上已有的开源中文聊天语料的搜集和系统化整理工作 该库搜集了包含 chatterbot 豆瓣多轮 PTT八卦语料 青云语料 电视剧对白语料 贴吧论坛回帖语料 微博语料 小黄鸡语料 共8个公开闲聊常用语料和短信...
自然语言处理之AI深度学习顶级实战课程
04-24
|----自然语言处理之AI深度学习顶级实战课程 |----课时1： NLP历史现在及为什么需要学习NLP技术 .rar 大小 573.50M |----课时2：NLP实现机器学习，聊天机器人，情感分析和语义搜索.rar 大小 237.91M |----课时3： ...
grpcio-1.63.0-cp38-cp38-linux_armv7l.whl
最新发布
05-28
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
SQLyog-13.1.3-0.x86Community.exe
05-28
SQLyog-13.1.3-0.x86Community
VB自动出题题库系统设计(源代码+系统).rar
05-28
计算机专业毕业设计VB精品论文资源
debugpy-1.0.0b2-cp35-cp35m-manylinux1_i686.whl
05-28
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
nlp自然语言处理 情感分类 词典库
01-02
自然语言处理（NLP）是指通过计算机分析和理解人类语言的能力。情感分类是NLP中的一个重要应用，它是指通过对文本进行分析和分类，识别文本中所表达的情感或情绪状态。词典库在情感分类中起着关键作用，它是存储了大量情感词汇及其对应情感极性的数据库。 情感分类通过构建和利用词典库来实现。在词典库中，每个词都有对应的情感极性，包括正面情感、负面情感和中性情感。当进行情感分类时，NLP系统会通过对文本中的词语进行情感词汇的匹配和分析，计算文本中各种情感词汇的情感极性值，并最终得出该文本所表达的情感类别，如喜悦、愤怒、悲伤等。 词典库的建立需要大量的情感词汇和情感极性标注数据，并且需要不断更新和完善。同时，词典库的设计也需要考虑情感词汇的多样性和复杂性，以及不同情境下情感词语的变化。一个完善的词典库能够辅助NLP系统更准确地理解和分类文本中的情感信息。 总的来说，NLP自然语言处理中的情感分类技术需要依托完备的词典库来实现对文本情感信息的准确识别和分类，而词典库的建立和维护则需要大量的语料库和专业知识的支持。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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