NLP 资料

NLP(Nature Language Processing)自然语言处理

funNLP https://github.com/fighting41love/funNLP

中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据、百度中文问答数据集、句子相似度匹配算法集合、bert资源、文本生成&摘要相关工具、cocoNLP信息抽取工具、国内电话号码正则匹配、清华大学XLORE:中英文跨语言百科知识图谱、清华大学人工智能技术系列报告、自然语言生成、NLU太难了系列、自动对联数据及机器人、用户名黑名单列表、罪名法务名词及分类模型、微信公众号语料、cs224n深度学习自然语言处理课程、中文手写汉字识别、中文自然语言处理 语料/数据集、变量命名神器、分词语料库+代码、任务型对话英文数据集、ASR 语音数据集 + 基于深度学习的中文语音识别系统、笑声检测器、Microsoft多语言数字/单位/如日期时间识别包、中华新华字典数据库及api(包括常用歇后语、成语、词语和汉字)、文档图谱自动生成、SpaCy 中文模型、Common Voice语音识别数据集新版、神经网络关系抽取、基于bert的命名实体识别、关键词(Keyphrase)抽取包pke、基于医疗领域知识图谱的问答系统、基于依存句法与语义角色标注的事件三元组抽取、依存句法分析4万句高质量标注数据、cnocr:用来做中文OCR的Python3包、中文人物关系知识图谱项目、中文nlp竞赛项目及代码汇总、中文字符数据、speech-aligner: 从“人声语音”及其“语言文本”产生音素级别时间对齐标注的工具、AmpliGraph: 知识图谱表示学习(Python)库:知识图谱概念链接预测、Scattertext 文本可视化(python)、语言/知识表示工具:BERT & ERNIE、中文对比英文自然语言处理NLP的区别综述、Synonyms中文近义词工具包、HarvestText领域自适应文本挖掘工具(新词发现-情感分析-实体链接等)、word2word:(Python)方便易用的多语言词-词对集:62种语言/3,564个多语言对、语音识别语料生成工具:从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库、构建医疗实体识别的模型(包含词典和语料标注)、单文档非监督的关键词抽取、Kashgari中使用gpt-2语言模型、开源的金融投资数据提取工具、文本自动摘要库TextTeaser: 仅支持英文、人民日报语料处理工具集、一些关于自然语言的基本模型、基于14W歌曲知识库的问答尝试–功能包括歌词接龙and已知歌词找歌曲以及歌曲歌手歌词三角关系的问答、基于Siamese bilstm模型的相似句子判定模型并提供训练数据集和测试数据集、用Transformer编解码模型实现的根据Hacker News文章标题自动生成评论、用BERT进行序列标记和文本分类的模板代码、LitBank:NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英文小说语料、百度开源的基准信息抽取系统、虚假新闻数据集、Facebook: LAMA语言模型分析,提供Transformer-XL/BERT/ELMo/GPT预训练语言模型的统一访问接口、CommonsenseQA:面向常识的英文QA挑战、中文知识图谱资料、数据及工具、各大公司内部里大牛分享的技术文档 PDF 或者 PPT、自然语言生成SQL语句(英文)、中文NLP数据增强(EDA)工具、英文NLP数据增强工具 、基于医药知识图谱的智能问答系统、京东商品知识图谱、基于mongodb存储的军事领域知识图谱问答项目、基于远监督的中文关系抽取、语音情感分析、中文ULMFiT-情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库包含自动文摘功能、开放了对话机器人-知识图谱-语义理解-自然语言处理工具及数据、中文知识图谱:基于百度百科中文页面-抽取三元组信息-构建中文知识图谱、masr: 中文语音识别-提供预训练模型-高识别率、Python音频数据增广库、中文全词覆盖BERT及两份阅读理解数据、ConvLab:开源多域端到端对话系统平台、中文自然语言处理数据集、基于最新版本rasa搭建的对话系统、基于TensorFlow和BERT的管道式实体及关系抽取、一个小型的证券知识图谱/知识库、复盘所有NLP比赛的TOP方案、OpenCLaP:多领域开源中文预训练语言模型仓库、UER:基于不同语料+编码器+目标任务的中文预训练模型仓库、中文自然语言处理向量合集、基于金融-司法领域(兼有闲聊性质)的聊天机器人、g2pC:基于上下文的汉语读音自动标记模块、Zincbase 知识图谱构建工具包、诗歌质量评价/细粒度情感诗歌语料库、快速转化「中文数字」和「阿拉伯数字」、百度知道问答语料库、基于知识图谱的问答系统、jieba_fast 加速版的jieba、正则表达式教程、中文阅读理解数据集、基于BERT等最新语言模型的抽取式摘要提取、Python利用深度学习进行文本摘要的综合指南、知识图谱深度学习相关资料整理、维基大规模平行文本语料、StanfordNLP 0.2.0:纯Python版自然语言处理包、NeuralNLP-NeuralClassifier:腾讯开源深度学习文本分类工具、端到端的封闭域对话系统、中文命名实体识别:NeuroNER vs. BertNER、新闻事件线索抽取、2019年百度的三元组抽取比赛:“科学空间队”源码、基于依存句法的开放域文本知识三元组抽取和知识库构建、中文的GPT2训练代码、ML-NLP - 机器学习(Machine Learning)NLP面试中常考到的知识点和代码实现、nlp4han:中文自然语言处理工具集(断句/分词/词性标注/组块/句法分析/语义分析/NER/N元语法/HMM/代词消解/情感分析/拼写检查、XLM:Facebook的跨语言预训练语言模型、用基于BERT的微调和特征提取方法来进行知识图谱百度百科人物词条属性抽取、中文自然语言处理相关的开放任务-数据集-当前最佳结果、CoupletAI - 基于CNN+Bi-LSTM+Attention 的自动对对联系统、抽象知识图谱、MiningZhiDaoQACorpus - 580万百度知道问答数据挖掘项目。

比较好的文章

中文自然语言处理可能是 NLP 中最难的?
未来数据领域的珠穆朗玛峰之中文自然语言处理

比较好的个人博客

Poll的笔记
计算广告与机器学习

http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/ Machine Learning
http://www.javashuo.com/tag/NLP/list-7.html
http://www.cnblogs.com/DianaCody/

国内自然语言处理产品

百度自然语言处理
https://cloud.baidu.com/product/nlp
腾讯文智

阿里巴巴

比较好的开源项目

友情链接

http://thunlp.org/site2/index.php/zh 清华大学自然语言处理与社会人文计算实验室
http://thunlp.org/site2/index.php/zh/people 清华大学研究队伍
http://thunlp.org/site2/index.php/zh/project 研究项目
http://thunlp.org/site2/index.php/zh/course 课程讲授
http://thunlp.org/site2/index.php/zh/codes 开源代码
http://thunlp.org/site2/index.php/zh/resources 开放资源

比较好的自然语言处理团队

中国大陆地区:

微软亚洲研究院自然语言计算组 Natural Language Computing (NLC) Group
https://www.microsoft.com/en-us/research/group/natural-language-computing/
腾讯人工智能实验室(Tencent AI Lab)
http://ai.tencent.com/ailab/
头条人工智能实验室(Toutiao AI Lab)
http://lab.toutiao.com/
清华大学自然语言处理与社会人文计算实验室
http://nlp.csai.tsinghua.edu.cn/site2/
清华大学智能技术与系统国家重点实验室信息检索组
http://www.thuir.cn/cms/
北京大学计算语言学教育部重点实验室
http://www.klcl.pku.edu.cn/
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
http://www.icst.pku.edu.cn/lcwm/index.php?title=%E9%A6%96%E9%A1%B5
哈工大社会计算与信息检索研究中心
http://ir.hit.edu.cn/
哈工大机器智能与翻译研究室
http://www.contem.org/
哈尔滨工业大学智能技术与自然语言处理实验室
http://www.insun.hit.edu.cn/home/
中科院计算所自然语言处理研究组
http://nlp.ict.ac.cn/index_zh.php
中科院自动化研究所语音语言技术研究组
http://nlpr-web.ia.ac.cn/cip/introduction.htm
南京大学自然语言处理研究组
http://nlp.nju.edu.cn/homepage/
复旦大学自然语言处理研究组
http://nlp.fudan.edu.cn/
东北大学自然语言处理实验室
http://www.nlplab.com/
厦门大学智能科学与技术系自然语言处理实验室
http://nlp.xmu.edu.cn/
苏州大学自然语言处理实验室
http://nlp.suda.edu.cn/
苏州大学人类语言技术研究所
http://hlt.suda.edu.cn/
郑州大学自然语言处理实验室
http://nlp.zzu.edu.cn/

中国 香港/澳门/台湾 地区:
Huawei Noah’s Ark Lab
http://www.noahlab.com.hk
Human Language Technology Center at Hong Kong University of Science & Technology
http://www.cse.ust.hk/~hltc/
Natural Language Processing & Portuguese-Chinese Machine Translation Laboratory at University of Macau
http://nlp2ct.cis.umac.mo/
Natural Language Processing Lab at National Taiwan University
http://nlg.csie.ntu.edu.tw/

References

[1] 机器学习,数据挖掘以及深度学习算法及相关应用
[2] 机器学习常见算法分类汇总
[3] 国内外自然语言处理(NLP)研究组
[4] 机器学习小知识
[5] 公司名语料库。机构名语料库。公司简称,缩写,品牌词,企业名。可用于中文分词、机构名实体识别。
[6] 用python写一个简单的中文搜索引擎