NLP项目
GitHub NLP项目：自然语言处理项目的相关干货整理
自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。本文作者为自然语言处理NLP初学者整理了一份庞大的自然语言处理项目领域的概览，包括了很多人工智能应用程序。选取的参考文献与资料都侧重于最新的深度学习研究成果。这些自然语言处理项目资源能为想要深入钻研一个自然语言处理NLP任务的人们提供一个良好的开端。
自然语言处理项目的相关干货整理：
指代消解
https://github.com/Kyubyong/nlp_tasks#coreference-resolution
论文自动评分
- 论文：Automatic Text Scoring Using Neural Networks（使用神经网络的自动文本评分）：https://arxiv.org/abs/1606.04289
- 论文：A Neural Approach to Automated Essay Scoring（一种自动将论文评分的神经学方法）：http://www.aclweb.org/old_anthology/D/D16/D16-1193.pdf
- 挑战：Kaggle:The Hewlett Foundation: Automated Essay Scoring（Kaggle：The Hewlett
Foundation:论文自动评分系统）：https://www.kaggle.com/c/asap-aes- 项目：Enhanced AI Scoring Engine（增强的人工智能得分引擎）：https://github.com/edx/ease
自动语音识别
- 维基百科： 语言识别：https://en.wikipedia.org/wiki/Speech_recognition
- 论文：DeepSpeech 2: End-to-End Speech Recognition in English and Mandarin（深度语音2:用英语和普通话进行端对端语音识别）：https://arxiv.org/abs/1512.02595
- 论文：WaveNet:A Generative Model for Raw Audio（WaveNet:原始音频的生成模型）：https://arxiv.org/abs/1609.03499
- 项目：A TensorFlow implementation of Baidu’s Deep Speech architecture（百度深度语音架构的一个TensorFlow实现：https://github.com/mozilla/DeepSpeech
- 项目：Speech-to-Text-WaveNet: End-to-end sentence level English speech recognition using DeepMind’s WaveNet（Speech-to-Text-WaveNet:
使用DeepMind的WaveNet，对端到端句子的英语水平语音识别）：https://github.com/buriburisuri/speech-to-text-wavenet- 挑战：The 5th CHiME Speech Separation and Recognition Challenge（第五届CHiME语音的分离和识别挑战）：http://spandh.dcs.shef.ac.uk/chime_challenge/
- 资料：The 5thCHiME Speech Separation and Recognition Challenge（第五届CHiME语音的分离和识别挑战）：http://spandh.dcs.shef.ac.uk/chime_challenge/download.html
- 资料：CSTRVCTK Corpus ：http://homepages.inf.ed.ac.uk/jyamagis/page3/page58/page58.html
- 资料：LibriSpeech ASR corpus：http://www.openslr.org/12/
- 资料：Switchboard-1 Telephone Speech Corpus：https://catalog.ldc.upenn.edu/ldc97s62
- 资料：TED-LIUM Corpus：http://www-lium.univ-lemans.fr/en/content/ted-lium-corpus
自动摘要
- 维基百科：自动摘要：https://en.wikipedia.org/wiki/Automatic_summarization
- 书籍：Automatic Text Summarization（自动本文摘要）：https://www.amazon.com/Automatic-Text-Summarization-Juan-Manuel-Torres-Moreno/dp/1848216688/ref=sr_1_1?s=books&ie=UTF8&qid=1507782304&sr=1-1&keywords=Automatic+Text+Summarization
- 论文：Text Summarization Using Neural Networks（使用神经网络进行文本摘要）：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.823.8025&rep=rep1&type=pdf
- 论文：Ranking with Recursive Neural Networks and Its Application to Multi-DocumentSummarization（使用递归神经网络及其应用程序对多文档摘要进行排序）：https://www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/viewFile/9414/9520
- 资料：Text Analytics Conferences（文本分析会议）：https://tac.nist.gov/data/index.html
- 资料：Document Understanding Conferences（文书理解会议）：http://www-nlpir.nist.gov/projects/duc/data.html
共指消解
- 信息：共指消解：https://nlp.stanford.edu/projects/coref.shtml
- 论文：Deep Reinforcement Learning for Mention-Ranking Coreference Models（对Mention-Ranking的共指模型进行深度强化学习：https://arxiv.org/abs/1609.08667
- 论文：Improving Coreference Resolution by Learning Entity-Level Distributed
Representations（通过学习实体级分布式表示来改善相关的解决方案）：https://arxiv.org/abs/1606.01323- 挑战：CoNLL 2012 Shared Task: Modeling Multilingual Unrestricted Coreference in OntoNotes（CoNLL
2012共享任务:在OntoNotes中对多语言的不受限制的共指进行建模）：http://conll.cemantix.org/2012/task-description.html- 挑战：CoNLL 2011 Shared Task: Modeling Unrestricted Coreference in OntoNotes（CoNLL
2011共享任务:在OntoNotes中对多语言的不受限制的共指进行建模）：http://conll.cemantix.org/2011/task-description.html
语法错误校正
- 论文：Neural Network Translation Models for Grammatical Error Correction（语法错误校正的神经网络翻译模型）：https://arxiv.org/abs/1606.00189
- 挑战：CoNLL 2013 Shared Task: Grammatical Error Correction（CoNLL 2013共享任务:语法错误校正）：http://www.comp.nus.edu.sg/~nlp/conll13st.html
- 挑战：CoNLL 2014Shared Task: Grammatical Error Correction（CoNLL 2014共享任务:语法错误校正）：http://www.comp.nus.edu.sg/~nlp/conll14st.html
- 资料：NUSNon-commercial research/trial corpus license：http://www.comp.nus.edu.sg/~nlp/conll14st/nucle_license.pdf
- 资料：Lang-8 Learner Corpora：http://cl.naist.jp/nldata/lang-8/
- 资料：Cornell Movie–Dialogs Corpus：http://www.cs.cornell.edu/~cristian/Cornell_Movie-Dialogs_Corpus.html
- 项目：Deep Text Corrector（深度文本校正器）：https://github.com/atpaino/deep-text-corrector
- 产品：deep grammar：http://deepgrammar.com/
字素转换到音素
- 论文：Grapheme-to-Phoneme Models for （Almost）Any Language（适合(几乎)任何语言的字素到音素的模型）：
https://pdfs.semanticscholar.org/b9c8/fef9b6f16b92c6859f6106524fdb053e9577.pdf- 论文：Polyglot Neural Language Models: A Case Study in Cross-Lingual Phonetic Representation
Learning（多语言神经语言模型:跨语语音表达学习的案例研究）：
https://arxiv.org/pdf/1605.03832.pdf- 论文：Multi task Sequence-to-Sequence Models for Grapheme-to-Phoneme Conversion（多任务序列到序列的字素到音素转换的模型）：
https://pdfs.semanticscholar.org/26d0/09959fa2b2e18cddb5783493738a1c1ede2f.pdf- 项目：Sequence-to-Sequence G2P toolkit（序列到序列G2P工具包）：
https://github.com/cmusphinx/g2p-seq2seq- 资料：Multilingual Pronunciation Data（多语种发音数据）：
https://drive.google.com/drive/folders/0B7R_gATfZJ2aWkpSWHpXUklWUmM
语种识别
- 维基百科： 语种识别：https://en.wikipedia.org/wiki/Language_identification
- 论文：AUTOMATIC LANGUAGE IDENTIFICATION USING DEEP NEURAL NETWORKS（使用深度神经网络的自动语言识别）：
https://repositorio.uam.es/bitstream/handle/10486/666848/automatic_lopez-moreno_ICASSP_2014_ps.pdf?sequence=1- 挑战： 2015 Language Recognition Evaluation（2015语言识别评估）：
https://www.nist.gov/itl/iad/mig/2015-language-recognition-evaluation
语言建模
- 维基百科：语言模型：https://en.wikipedia.org/wiki/Language_model
- 工具包： KenLM Language Model Toolkit（KenLM语言模型工具包）：
http://kheafield.com/code/kenlm/- 论文：Distributed Representations of Words and Phrases and their Compositionality（词汇和短语的分布表示及其组合性）：
http://papers.nips.cc/paper/5021-distributed-representations-of-words-and-phrases-and-their-compositionality.pdf- 论文：Character-Aware Neural Language Models（Character-Aware神经语言模型）：
https://www.aaai.org/ocs/index.php/AAAI/AAAI16/paper/viewFile/12489/12017- 资料： Penn Treebank ：
https://github.com/townie/PTB-dataset-from-Tomas-Mikolov-s-webpage/tree/master/data
词形还原
- 维基百科：词形还原：https://en.wikipedia.org/wiki/Lemmatisation
- 工具包：WordNet Lemmatizer：
http://www.nltk.org/api/nltk.stem.html#nltk.stem.wordnet.WordNetLemmatizer.lemmatize- 资料：Treebank-3：https://catalog.ldc.upenn.edu/ldc99t42
唇语辨别
- 维基百科：唇读法：https://en.wikipedia.org/wiki/Lip_reading
- 论文：Lip Reading Sentences in the Wild （在野外读懂唇语）：
https://arxiv.org/abs/1611.05358
https://arxiv.org/abs/1706.05739- 项目： Lip Reading – Cross Audio-Visual Recognition using 3D Convolutional Neural
Networks（唇读法—使用3D卷积神经网络的交叉视听识别：
https://github.com/astorfi/lip-reading-deeplearning- 资料： The GRID audiovisual sentence corpus：
http://spandh.dcs.shef.ac.uk/gridcorpus/
机器翻译
- 论文：Neural Machine Translation by Jointly Learning to Align and Translate（通过共同学习来调整和翻译神经机器翻译）：
https://arxiv.org/abs/1409.0473- 论文：Neural Machine Translation in Linear Tim（在线性时间中的神经机器翻译）：
https://arxiv.org/abs/1610.10099- 挑战： ACL2014 NINTH WORKSHOP ON STATISTICAL MACHINE TRANSLATION（ACL2014第九届统计机器翻译研讨会）：
http://www.statmt.org/wmt14/translation-task.html#download- 资料：OpenSubtitles2016:http://opus.lingfil.uu.se/OpenSubtitles2016.php
- 资料： WIT3:Web Inventory of Transcribed and Translated Talks:https://wit3.fbk.eu/
- 资料： The QCRI Educational Domain （QED） Corpus：
http://alt.qcri.org/resources/qedcorpus/
命名实体识别
- 维基百科：命名实体识别：https://en.wikipedia.org/wiki/Named-entity_recognition
- 论文：Neural Architectures for Named Entity Recognition（命名实体识别的神经结构）：https://arxiv.org/abs/1603.01360
- 项目： OSU Twitter NLP Tool：https://github.com/aritter/twitter_nlp
- 挑战： Named Entity Recognition in Twitter（在推特上被命名的实体识别）：
https://noisy-text.github.io/2016/ner-shared-task.html- 资料：CoNLL-2002 NER corpus：
https://github.com/teropa/nlp/tree/master/resources/corpora/conll2002- 资料：CoNLL-2003 NER corpus：
https://github.com/synalp/NER/tree/master/corpus/CoNLL-2003
释义检测
- 论文：Dynamic Pooling and Unfolding Recursive Autoencoders for Paraphrase
Detection（动态池和展开递归自动编码器的释义检测）：
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.650.7199&rep=rep1&type=pdf- 项目：Paralex: Paraphrase-Driven Learning for Open Question Answering（Paralex：释义驱动学习的开放问答）：
http://knowitall.cs.washington.edu/paralex/- 资料：Microsoft Research Paraphrase Corpus：
https://www.microsoft.com/en-us/download/details.aspx?id=52398- 资料：Microsoft Research Video Description Corpus ：
https://www.microsoft.com/en-us/download/details.aspx?id=52422&from=http%3A%2F%2Fresearch.microsoft.com%2Fen-us%2Fdownloads%2F38cf15fd-b8df-477e-a4e4-a4680caa75af%2F- 资料： Pascal Dataset：
http://nlp.cs.illinois.edu/HockenmaierGroup/pascal-sentences/index.html- 资料：Flicker Dataset：http://nlp.cs.illinois.edu/HockenmaierGroup/8k-pictures.html
- 资料： TheSICK data set：http://clic.cimec.unitn.it/composes/sick.html
- 资料： PPDB:The Paraphrase Database：http://www.cis.upenn.edu/~ccb/ppdb/
- 资料：WikiAnswers Paraphrase Corpus：
http://knowitall.cs.washington.edu/paralex/wikianswers-paraphrases-1.0.tar.gz
语法分析
- 维基百科：语法分析：https://en.wikipedia.org/wiki/Parsing
- 工具包：The Stanford Parser: A statistical parser：https://nlp.stanford.edu/software/lex-parser.shtml
- 工具包： spaCyparser：https://spacy.io/docs/usage/dependency-parse
- 论文：A fastand accurate dependency parser using neural networks（快速而准确地使用神经网络的依赖解析器）：http://www.aclweb.org/anthology/D14-1082
- 挑战：CoNLL2017 Shared Task: Multilingual Parsing from Raw Text to Universal
Dependencies（CoNLL2017共享任务:从原始文本到通用依赖项的多语言解析）：http://universaldependencies.org/conll17/- 挑战：CoNLL2016 Shared Task: Multilingual Shallow Discourse Parsing（CoNLL2016共享任务:多语言的浅会话解析）：http://www.cs.brandeis.edu/~clp/conll16st/
词性标记
- 维基百科：词性标记：https://en.wikipedia.org/wiki/Part-of-speech_tagging
- 论文：Unsupervised Part-Of-Speech Tagging with Anchor Hidden Markov Models（有Anchor Hidden
Markov模型的非监督性的词性标记）
https://transacl.org/ojs/index.php/tacl/article/viewFile/837/192- 资料：Treebank-3：https://catalog.ldc.upenn.edu/ldc99t42
- 工具包：nltk.tag package：http://www.nltk.org/api/nltk.tag.html
拼音与中文转换
- 论文：Neural Network Language Model for Chinese Pinyin Input Method Engine（中文拼音输入法引擎的神经网络语言模型）：
http://aclweb.org/anthology/Y15-1052- 项目：Neural Chinese Transliterator：
https://github.com/Kyubyong/neural_chinese_transliterator
问答系统
- 维基百科：问答系统：https://en.wikipedia.org/wiki/Question_answering
- 论文：Ask Me Anything: Dynamic Memory Networks for Natural Language Processing（自然语言处理的动态内存网络）：
http://www.thespermwhale.com/jaseweston/ram/papers/paper_21.pdf- 论文：Dynamic Memory Networks for Visual and Textual Question Answering（用于视觉和文本的问答系统的动态记忆网络）：
http://proceedings.mlr.press/v48/xiong16.pdf- 挑战：TREC Question Answering Task（TREC问答系统任务）：
http://trec.nist.gov/data/qamain.html- 挑战：SemEval-2017 Task 3: Community Question Answering:
http://alt.qcri.org/semeval2017/task3/- 资料：MSMARCO: Microsoft MAchine Reading COmprehension Dataset(MSMARCO:微软机器阅读理解数据集）http://www.msmarco.org/
- 资料：Maluuba NewsQA：https://github.com/Maluuba/newsqa
- 资料：SQuAD:100,000+ Questions for Machine Comprehension of Text（SQuAD:100,000+个文本的机器理解的问题）：https://rajpurkar.github.io/SQuAD-explorer/
- 资料：Graph Questions: A Characteristic-rich Question Answering Dataset（图形问题:一个特征丰富的问题回答数据集）：https://github.com/ysu1989/GraphQuestions
- 资料： Story Cloze Test and ROC Stories Corpora：
http://cs.rochester.edu/nlp/rocstories/- 资料：Microsoft Research WikiQA Corpus：
https://www.microsoft.com/en-us/download/details.aspx?id=52419&from=http%3A%2F%2Fresearch.microsoft.com%2Fen-us%2Fdownloads%2F4495da01-db8c-4041-a7f6-7984a4f6a905%2Fdefault.aspx- 资料：DeepMind Q&A Dataset：http://cs.nyu.edu/~kcho/DMQA/
- 资料： QASent：http://cs.stanford.edu/people/mengqiu/data/qg-emnlp07-data.tgz
关系提取
- 维基百科：关系提取：https://en.wikipedia.org/wiki/Relationship_extraction
- 论文：A deep learning approach for relationship extraction from interaction context in social manufacturing
paradigm（一种从社会生产范例的互动情境中提取关系深度学习的方法）：http://www.sciencedirect.com/science/article/pii/S0950705116001210
语义角色标记
- 维基百科：语义角色标记：https://en.wikipedia.org/wiki/Semantic_role_labeling
- 书籍：Semantic Role Labeling（语义角色标记）：
https://www.amazon.com/Semantic-Labeling-Synthesis-Lectures-Technologies/dp/1598298313/ref=sr_1_1?s=books&ie=UTF8&qid=1507776173&sr=1-1&keywords=Semantic+Role+Labeling- 论文：End-to-end Learning of Semantic Role Labeling Using Recurrent Neural Networks（使用循环神经网络对语义角色标签进行端到端学习）：
http://www.aclweb.org/anthology/P/P15/P15-1109.pdf- 论文：Neural Semantic Role Labeling with Dependency Path Embeddings（有着依赖路径嵌入的神经语义角色标记）:
https://arxiv.org/abs/1605.07515
挑战：CoNLL-2005 Shared Task: Semantic Role
Labeling（CoNLL-2005共享任务:语义角色标记）
http://www.cs.upc.edu/~srlconll/st05/st05.html- 挑战：CoNLL-2004 Shared Task: Semantic Role Labeling（CoNLL-2004共享任务:语义角色标记）：
http://www.cs.upc.edu/~srlconll/st04/st04.html- 工具包：Illinois Semantic Role Labeler（SRL）：http://cogcomp.org/page/software_view/SRL
- 资料：CoNLL-2005 Shared Task: Semantic Role Labeling（CoNLL-2005共享任务:语义角色标记）：
http://www.cs.upc.edu/~srlconll/soft.html
语句边界消歧
- 维基百科：语句边界消歧：https://en.wikipedia.org/wiki/Sentence_boundary_disambiguation
- 论文：A Quantitative and Qualitative Evaluation of Sentence Boundary Detection for theClinical Domain（对临床领域的语句边界检测进行定量和定性的评估）：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5001746/- 工具包： NLTK Tokenizers：http://www.nltk.org/_modules/nltk/tokenize.html
- 资料： The British National Corpus：http://www.natcorp.ox.ac.uk/
- 资料：Switchboard-1 Telephone Speech Corpus：https://catalog.ldc.upenn.edu/ldc97s62
情绪分析
- 维基百科：情绪分析：https://en.wikipedia.org/wiki/Sentiment_analysis
- 信息：Awesome Sentiment Analysis（了不起的情绪分析）：
https://github.com/xiamx/awesome-sentiment-analysis- 挑战：Kaggle: UMICH SI650 – Sentiment Classification（Kaggle: UMICH SI650 – 情绪分类）：
https://www.kaggle.com/c/si650winter11#description- 挑战：SemEval-2017 Task 4: Sentiment Analysis in Twitter（SemEval-2017任务4:推特上的情绪分析）：
http://alt.qcri.org/semeval2017/task4/- 项目：SenticNet：http://sentic.net/about/
- 资料：Multi-Domain Sentiment Dataset（version2.0）：
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/- 资料：Stanford Sentiment Treebank：https://nlp.stanford.edu/sentiment/code.html
- 资料：Twitter Sentiment Corpus：http://www.sananalytics.com/lab/twitter-sentiment/
- 资料：Twitter Sentiment Analysis Training Corpus：http://thinknook.com/twitter-sentiment-analysis-training-corpus-dataset-2012-09-22/
源分离
- 维基百科：源分离：https://en.wikipedia.org/wiki/Source_separation
- 论文：From Blind to Guided Audio Source Separation（从盲目到有指导性的音频源分离）：https://hal-univ-rennes1.archives-ouvertes.fr/hal-00922378/document
- 论文：Joint Optimization of Masks and Deep Recurrent Neural Networks for Monaural Source Separation
（对单声道分离的掩膜和深层循环神经网络的联合优化）：https://arxiv.org/abs/1502.04149- 挑战：Signal Separation Evaluation Campaign（信号分离评估活动）：https://sisec.inria.fr/
- 挑战： CHiME Speech Separation and Recognition Challenge(CHiME语音分离和识别的挑战)：http://spandh.dcs.shef.ac.uk/chime_challenge/
说话者识别
- 维基百科：说话者识别：https://en.wikipedia.org/wiki/Speaker_recognition
- 论文：A NOVEL SCHEME FOR SPEAKER RECOGNITION USING A PHONETICALLY-AWARE DEEP NEURAL
NETWORK（一种使用语音识别的深度神经网络的新方案）：
https://pdfs.semanticscholar.org/204a/ff8e21791c0a4113a3f75d0e6424a003c321.pdf- 论文：DEEP NEURAL NETWORKS FOR SMALL FOOTPRINT TEXT-DEPENDENT SPEAKER VERIFICATION（深度神经网络，用于小范围的文本依赖的说话者验证）：https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/41939.pdf
- 挑战： NIST Speaker Recognition Evaluation（NIST说话者识别评价）：https://www.nist.gov/itl/iad/mig/speaker-recognition
语音分段
- 维基百科：语音分段：https://en.wikipedia.org/wiki/Speech_segmentation
- 论文：Word Segmentation by 8-Month-Olds: When Speech Cues Count More Than
Statistics（8个月大婴儿的单词分段:当语音提示比统计数字更重要时）：http://www.utm.toronto.edu/infant-child-centre/sites/files/infant-child-centre/public/shared/elizabeth-johnson/Johnson_Jusczyk.pdf- 论文：Unsupervised Word Segmentation and Lexicon Discovery Using Acoustic Word
Embeddings（不受监督的单词分割和使用声学词嵌入的词汇发现）：https://arxiv.org/abs/1603.02845- 资料：CALLHOME Spanish Speech：https://catalog.ldc.upenn.edu/ldc96s35
语音合成
- 维基百科：语音合成：https://en.wikipedia.org/wiki/Speech_synthesis
- 论文：WaveNet:A Generative Model for Raw Audio（WaveNet:原始音频的生成模型）：https://arxiv.org/abs/1609.03499
- 论文：Tacotron:Towards End-to-End Speech Synthesis（Tacotron:对端到端的语音合成）：https://arxiv.org/abs/1703.10135
- 资料： The World English Bible：https://github.com/Kyubyong/tacotron
- 资料： LJ Speech Dataset：https://github.com/keithito/tacotron
- 资料： Lessac Data：http://www.cstr.ed.ac.uk/projects/blizzard/2011/lessac_blizzard2011/
- 挑战：Blizzard Challenge 2017：https://synsig.org/index.php/Blizzard_Challenge_2017
- 项目： The Festvox project：http://www.festvox.org/index.html
- 工具包：Merlin: The Neural Network （NN） based Speech Synthesis System（Merlin：基于神经网络的语音合成系统）：https://github.com/CSTR-Edinburgh/merlin
语音增强
- 维基百科：语音增强：https://en.wikipedia.org/wiki/Speech_enhancement
- 书籍： Speech enhancement: theory and practice（语音增强：理论与实践）：
https://www.amazon.com/Speech-Enhancement-Theory-Practice-Second/dp/1466504218/ref=sr_1_1?ie=UTF8&qid=1507874199&sr=8-1&keywords=Speech+enhancement%3A+theory+and+practice- 论文 An Experimental Study on Speech Enhancement Based on Deep Neural Network（一项基于深度神经网络的语音增强实验）：
http://staff.ustc.edu.cn/~jundu/Speech%20signal%20processing/publications/SPL2014_Xu.pdf- 论文： A Regression Approach to Speech Enhancement Based on Deep Neural
https://www.researchgate.net/profile/Yong_Xu63/publication/272436458_A_Regression_Approach_to_Speech_Enhancement_Based_on_Deep_Neural_Networks/links/57fdfdda08aeaf819a5bdd97.pdf- 论文：Speech Enhancement Based on Deep Denoising Autoencoder（基于深度降噪自编码的语音增强）：
https://www.researchgate.net/profile/Yu_Tsao/publication/283600839_Speech_enhancement_based_on_deep_denoising_Auto-Encoder/links/577b486108ae213761c9c7f8/Speech-enhancement-based-on-deep-denoising-Auto-Encoder.pdf
词干提取
- 维基百科：词干提取：https://en.wikipedia.org/wiki/Stemming
- 论文： A BACKPROPAGATION NEURAL NETWORK TO IMPROVE ARABIC STEMMING（一个反向传播的神经网络，用来改善阿拉伯语的词干提取）：
http://www.jatit.org/volumes/Vol82No3/7Vol82No3.pdf- 工具包： NLTK Stemmers：http://www.nltk.org/howto/stem.html
术语提取
- 维基百科：术语提取：https://en.wikipedia.org/wiki/Terminology_extraction
- 论文： Neural Attention Models for Sequence Classification: Analysis and Application to KeyTerm Extraction and Dialogue Act
Detection（序列分类的神经提示模型:分析和应用于关键词提取和对话法检测）：https://arxiv.org/pdf/1604.00077.pdf
文本简化
- 维基百科：文本简化：https://en.wikipedia.org/wiki/Text_simplification
- 论文：Aligning Sentences from Standard Wikipedia to Simple Wikipedia（调整句子，从标准的维基百科到简单的维基百科）：
https://ssli.ee.washington.edu/~hannaneh/papers/simplification.pdf- 论文：Problems in Current Text Simplification Research: New Data Can Help（当前文本简化研究中的问题:可提供帮助的新数据）：
https://pdfs.semanticscholar.org/2b8d/a013966c0c5e020ebc842d49d8ed166c8783.pdf- 资料：Newsela Data：https://newsela.com/data/
文本蕴涵
- 维基百科：文本蕴含：https://en.wikipedia.org/wiki/Textual_entailment
- 项目：Textual Entailment with TensorFlow（文本蕴含与TensorFlow）：
https://github.com/Steven-Hewitt/Entailment-with-Tensorflow- 竞赛：SemEval-2013 Task 7: The Joint Student Response Analysis and 8th Recognizing Textual Entailment Challenge（SemEval-2013任务7:联合学生反应分析和第8届认知文本蕴含挑战）：
https://www.cs.york.ac.uk/semeval-2013/task7.html
音译
- 维基百科：音译：https://en.wikipedia.org/wiki/Transliteration
- 论文：A Deep Learning Approach to Machine Transliteration（一个机器音译的深度学习方法）：https://pdfs.semanticscholar.org/54f1/23122b8dd1f1d3067cf348cfea1276914377.pdf
- 项目：Neural Japanese Transliteration—can you do better than SwiftKey™ Keyboard?（神经日语音译：你能比SwiftKey键盘做得更好吗?）：
https://github.com/Kyubyong/neural_japanese_transliterator
词嵌入
- 维基百科：词嵌入：https://en.wikipedia.org/wiki/Word_embedding
- 工具包：Gensim: word2vec：https://radimrehurek.com/gensim/models/word2vec.html
- 工具包：fastText：https://github.com/facebookresearch/fastText
- 工具包：GloVe:Global Vectors for Word Representation：
https://nlp.stanford.edu/projects/glove/- 信息：Where to get a pretrained model？（哪里能够获得一个预先训练的模型？）：https://github.com/3Top/word2vec-api
- 项目：Pre-trained word vectors of 30+ languages（30多种语言的预先训练的词向量）：https://github.com/Kyubyong/wordvectors
- 项目：Polyglot: Distributed word representations for multilingual NLP（Polyglot:多语言NLP的分布式词汇表征）：https://sites.google.com/site/rmyeid/projects/polyglot
词汇预测
- 信息：What is Word Prediction?(什么是词汇预测？）：
http://www2.edc.org/ncip/library/wp/what_is.htm- 论文： The prediction of character based on recurrent neural network language
model（基于循环神经网络语言模型的字符预测）：http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7960065- 论文： An Embedded Deep Learning based Word Prediction（一个基于深度学习的词汇预测）：https://arxiv.org/abs/1707.01662
- 论文：Evaluating Word Prediction: Framing Keystroke Savings（评估单词预测:框击键保存）：http://aclweb.org/anthology/P08-2066
- 资料：An Embedded Deep Learning based Word Prediction（一个基于深度学习的词汇预测）：https://github.com/Meinwerk/WordPrediction/master.zip
- 项目： Word Prediction using Convolutional Neural Networks—can you do better than iPhone™
Keyboard?（使用卷积神经网络的词汇预测——你能比iPhone键盘做得更好吗?）：https://github.com/Kyubyong/word_prediction
词分割
- 论文： Neural Word Segmentation Learning for Chinese（中文的神经词分割学习）：https://arxiv.org/abs/1606.04300
- 项目：Convolutional neural network for Chinese word segmentation（中文的词分割的卷积神经网络）：https://github.com/chqiwang/convseg
- 工具包：Stanford Word Segmenter：https://nlp.stanford.edu/software/segmenter.html
- 工具包： NLTK Tokenizers：http://www.nltk.org/_modules/nltk/tokenize.html
词义消歧
- 维基百科：词义消歧：https://en.wikipedia.org/wiki/Word-sense_disambiguation
- 论文：Train-O-Matic: Large-Scale Supervised Word Sense Disambiguation in Multiple Languages without Manual Training
Data（Train-O-Matic:在没有人工训练数据的情况下，在多 -
种语言中大规模的监督词义消歧）：http://www.aclweb.org/anthology/D17-1008- 资料：Train-O-Matic Data：http://trainomatic.org/data/train-o-matic-data.zip
- 资料：BabelNet：http://babelnet.org/
- 原项目地址：https://github.com/Kyubyong/nlp_tasks#speech-segmentation
有趣的项目
karpathy/char-rnn · GitHub ：一个基于RNN的文本生成器。可以自动生成莎士比亚的剧本或者shell代码。
https://github.com/karpathy/char-rnn
phunterlau/wangfeng-rnn · GitHub ： 基于char-rnn的汪峰歌词生成器
https://github.com/phunterlau/wangfeng-rnn
google/deepdream · GitHub ：画出神经网络眼中的世界
https://github.com/google/deepdream
facebook/MemNN · GitHub ：memnn的一个官方实现。可以回答诸如“小明在操场；小王在办公室；小明捡起了足球；小王走进了厨房。问：小王在去厨房前在哪里？”，这样涉及推理和理解的问题。
https://github.com/facebook/MemNN
skaae/lasagne-draw · GitHub ：用RNN生成手写数字。
https://github.com/skaae/lasagne-draw
keras/addition_rnn.py at master · fchollet/keras · GitHub ：用RNN自动学会加法规则。
https://github.com/keras-team/keras/blob/master/examples/addition_rnn.py
karpathy/neuraltalk · GitHub ：自动根据图像生成文本描述。
https://github.com/karpathy/neuraltalk
ryankiros/neural-storyteller · GitHub: 看图讲故事
https://github.com/ryankiros/neural-storyteller
karpathy/neuraltalk2 · GitHub：看图生成标注
https://github.com/karpathy/neuraltalk2
jcjohnson/neural-style · GitHub：将照片变成大师风格的绘画
https://github.com/jcjohnson/neural-style
Newmu/dcgan_code · GitHub: 卷积生成式对抗网络，生成图像
https://github.com/Newmu/dcgan_code
nagadomi/waifu2x · GitHub：CNN来放大动漫图片
https://github.com/nagadomi/waifu2x
去年我在Neuraltalk2 的基础上做了个视频字幕自动生成的实验， 现在把代码公布在Github上：
GitHub - cgq5/Video-Caption-with-Neuraltalk2: Code release of captioning videos using Neuraltalk2.
https://github.com/cgq5/Video-Caption-with-Neuraltalk2
生成结果在这里：https://www.youtube.com/watch?v=FmSsek5luHk
NLP项目的更多相关文章
- 词义消除歧义NLP项目实验
词义消除歧义NLP项目实验 本项目主要使用https://github.com/alvations/pywsd 中的pywsd库来实现词义消除歧义 目前,该库一部分已经移植到了nltk中,为了获得更好 ...
- 优质中文NLP资源集合，做项目一定用得到！
今天要给大家在推荐 Github 上一个优质的中文 NLP 工具和资源集合项目——funNLP,已经获得了 5.3k Stars,1k+ Forks. 项目作者 杨洋,一枚水博&互联网民工,目 ...
- NLP中的用N-gram语言模型做英语完型填空的环境搭建
本文是对xing_NLP中的用N-gram语言模型做完型填空这样一个NLP项目环境搭建的一个说明,本来想写在README.md中.第一次用github中的wiki,想想尝试一下也不错,然而格式非常的混 ...
- NLP相关问题中文本数据特征表达初探
1. NLP问题简介 0x1:NLP问题都包括哪些内涵 人们对真实世界的感知被成为感知世界,而人们用语言表达出自己的感知视为文本数据.那么反过来,NLP,或者更精确地表达为文本挖掘,则是从文本数据出发 ...
- NLP入门（一）词袋模型及句子相似度
本文作为笔者NLP入门系列文章第一篇,以后我们就要步入NLP时代. 本文将会介绍NLP中常见的词袋模型(Bag of Words)以及如何利用词袋模型来计算句子间的相似度(余弦相似度,cosi ...
- NLP领域的ImageNet时代到来：词嵌入「已死」，语言模型当立
http://3g.163.com/all/article/DM995J240511AQHO.html 选自the Gradient 作者:Sebastian Ruder 机器之心编译 计算机视觉领域 ...
- 最新自然语言处理(NLP)四步流程：Embed->Encode->Attend->Predict
http://blog.csdn.net/jdbc/article/details/53292414 过去半年以来,自然语言处理领域进化出了一件神器.此神器乃是深度神经网络的一种新模式,该模式分为:e ...
- NLP问题特征表达基础 - 语言模型（Language Model）发展演化历程讨论
1. NLP问题简介 0x1:NLP问题都包括哪些内涵 人们对真实世界的感知被成为感知世界,而人们用语言表达出自己的感知视为文本数据.那么反过来,NLP,或者更精确地表达为文本挖掘,则是从文本数据出发 ...
- 自然语言处理(NLP) - 数学基础(1) - 总述
正如我在<2019年总结>里说提到的, 我将开始一系列自然语言处理(NLP)的笔记. 很多人都说, AI并不难啊, 调现有库和云的API就可以啦. 然而实际上并不是这样的. 首先, AI这 ...
随机推荐
- go语言结构体作为函数参数，采用的是值传递
经过验证,go语言结构体作为函数参数,采用的是值传递.所以对于大型结构体传参,考虑到值传递的性能损耗,最好能采用指针传递. 验证代码: package main import ( "fmt& ...
- MySQL使用yum安装
1.下载mysql的repo源 $ wget http://repo.mysql.com/mysql-community-release-el7-5.noarch.rpm 2.安装mysql-comm ...
- JAVA、JDK等入门概念，下载安装JAVA并配置环境变量
一.概念 Java是一种可以撰写跨平台应用程序的面向对象的程序设计语言,具体介绍可查阅百度JAVA百科,这里不再赘述. Java分为三个体系,分别为: Java SE(J2SE,Java2 Platf ...
- git仓库删除所有提交历史记录
stackoverflow原问题地址:http://stackoverflow.com/questions/13716658/how-to-delete-all-commit-history-in-g ...
- ogre的初始化与启动以及显示对象设置
ogre的使用方法1---自动设置 1.ogre初始化:首先实例化一个Root对象 Root * root = new Root(); Root * root = new Root("plu ...
- Pycharm脚本通用部分设置
Python脚本经常要设置同样的注释内容,Pycharm里面提供的模板可以很好的实现这个需求. 查找: File->settings->Editor->File and Code T ...
- git命令综合
Git 是一个很强大的分布式版本控制系统.它不但适用于管理大型开源软件的源代码,管理私人的文档和源代码也有很多优势.Git常用操作命令:1) 远程仓库相关命令检出仓库:$ git clone git: ...
- Welcome-to-Swift-07闭包（Closures）
闭包是自包含的函数代码块,可以在代码中被传递和使用. Swift 中的闭包与 C 和 Objective-C 中的代码块(blocks)以及其他一些编程语言中的 lambdas 函数比较相似. 闭包可 ...
- Topcoder SRMCards ——贪心
选择一个数x会删去x+1和x-1,问可以最多选多少次. 显然,对于一段连续的数列,贪心的从左向右选取是最优的. 然后就可以贪心的统计答案了. #include <map> #include ...
- 刷题总结——Human Gene Functions（hdu1080）
题目: Problem Description It is well known that a human gene can be considered as a sequence, consisti ...