# NLP菜鸟逆袭记
- LLMs 千面郎君:https://github.com/km1994/LLMs_interview_notes
- 介绍:该仓库主要记录 大模型(LLMs) 算法工程师相关的面试题
- LLMs九层妖塔:https://github.com/km1994/LLMsNineStoryDemonTower
- 介绍:【LLMs九层妖塔】分享 LLMs在自然语言处理(ChatGLM、Chinese-LLaMA-Alpaca、小羊驼 Vicuna、LLaMA、GPT4ALL等)、信息检索(langchain)、语言合成、语言识别、多模态等领域(Stable Diffusion、MiniGPT-4、VisualGLM-6B、Ziya-Visual等)等 实战与经验。
- NLP菜鸟逆袭记:https://github.com/km1994/AwesomeNLP
- 介绍:【NLP菜鸟逆袭】分享 自然语言处理(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等)等 实战与经验。
- NLP 面无不过:https://github.com/km1994/NLP-Interview-Notes
- 介绍:该仓库主要记录 NLP 算法工程师相关的面试题
- 【关于 NLP】 那些你不知道的事:https://github.com/km1994/nlp_paper_study
- 介绍:该仓库主要记录 NLP 算法工程师相关的顶会论文研读笔记
梳理 NLP基础任务(文本分类、命名实体识别、关系抽取、事件抽取、文本摘要、文本生成、Prompt)和 LLMs 大模型等开源项目,争取做成一个全网最全NLP小白入门教程!
- [NLP菜鸟逆袭记](#nlp菜鸟逆袭记)
- [一、文本分类](#一文本分类)
- [1.1 多类别文本分类](#11-多类别文本分类)
- [1.2 多标签文本分类](#12-多标签文本分类)
- [1.3 方面级情感识别](#13-方面级情感识别)
- [1.4 文本匹配](#14-文本匹配)
- [二、信息抽取](#二信息抽取)
- [2.1 命名实体识别](#21-命名实体识别)
- [2.2 关系抽取](#22-关系抽取)
- [2.3 事件抽取](#23-事件抽取)
- [2.4 属性抽取](#24-属性抽取)
- [2.5 关键词抽取](#25-关键词抽取)
- [2.6 新词发现](#26-新词发现)
- [三、知识图谱](#三知识图谱)
- [3.1 知识图谱](#31-知识图谱)
- [3.2 实体链指](#32-实体链指)
- [3.3 知识图谱补全](#33-知识图谱补全)
- [3.4 neo4j](#34-neo4j)
- [四、机器翻译](#四机器翻译)
- [五、问答系统](#五问答系统)
- [5.1 阅读理解](#51-阅读理解)
- [5.2 检索式问答](#52-检索式问答)
- [5.3 基于知识图谱问答](#53-基于知识图谱问答)
- [5.4 基于知识图谱问答](#54-基于知识图谱问答)
- [六、文本生成](#六文本生成)
- [七、Text-to-SQL](#七text-to-sql)
- [八、文本纠错](#八文本纠错)
- [九、文本挖掘](#九文本挖掘)
- [十、知识蒸馏](#十知识蒸馏)
- [十一、模型加速](#十一模型加速)
- [11.1 CTranslate2](#111-ctranslate2)
- [11.2 optimum](#112-optimum)
- [十二、OCR](#十二ocr)
- [12.1 pytesseract](#121-pytesseract)
- [12.2 hn\_ocr](#122-hn_ocr)
- [12.3 PaddleOCR](#123-paddleocr)
- [十三、TTS](#十三tts)
- [13.1 pyttsx3](#131-pyttsx3)
- [13.2 PaddleSpeech](#132-paddlespeech)
- [13.3 tensorflow\_tts](#133-tensorflow_tts)
- [13.4 KAN\_TTS](#134-kan_tts)
- [十四、Prompt](#十四prompt)
- [十五、embedding](#十五embedding)
- [NLP 神器](#nlp-神器)
## 一、文本分类
### 1.1 多类别文本分类
- [NLP菜鸟逆袭记——【多类别文本分类】笔记](https://articles.zsxq.com/id_vblujnqj3vq8.html)
- 多类别文本分类 实战篇
- [NLP菜鸟逆袭记——【多类别文本分类】实战](https://articles.zsxq.com/id_veej728vewpa.html)
- 非预训练类模型
- FastText
- TextCNN
- TextRNN
- TextRCNN
- Transformer
- 预训练类模型
- Bert
- Albert
- Roberta
- Distilbert
- Electra
### 1.2 多标签文本分类
- [NLP菜鸟逆袭记——【多标签文本分类】笔记](https://articles.zsxq.com/id_5koz88w4spzg.html)
- 多标签文本分类 实战篇
- [NLP菜鸟逆袭记——【基于 Bert 中文多标签分类】实战](https://articles.zsxq.com/id_23szh9e03eg4.html)
- [NLP菜鸟逆袭记——【剧本角色情感 中文多标签分类】实战](https://articles.zsxq.com/id_l2f8x5cdt77c.html)
### 1.3 方面级情感识别
- [NLP菜鸟逆袭记——【基于方面的情感分析(ABSA)】理论](https://articles.zsxq.com/id_miwvngdlw5cs.html)
- 基于方面的情感分析(ABSA) 实战篇
- [NLP菜鸟逆袭记——【基于 Bert 中文方面级情感识别】实战](https://articles.zsxq.com/id_a9lfu00i9w54.html)
### 1.4 文本匹配
- [NLP菜鸟逆袭记——【文本匹配】理论](https://articles.zsxq.com/id_nzhuwrvvvx30.html)
- 文本匹配 实战篇
- [NLP菜鸟逆袭记——【文本匹配】实战](https://articles.zsxq.com/id_on2rop7drwpb.html)
## 二、信息抽取
### 2.1 命名实体识别
- 命名实体识别 理论篇
- [NLP菜鸟逆袭记——【HMM->MEMM->CRF】实战](https://articles.zsxq.com/id_50p300pz7oms.html)
- [DNN-CRF 理论篇](https://articles.zsxq.com/id_on8p4e823wob.html)
- 命名实体识别 实战篇
- [NLP菜鸟逆袭记——【Bert-CRF】实战](https://articles.zsxq.com/id_2w2wvlnlsl9e.html)
- [NLP菜鸟逆袭记——【Bert-Softmax】实战](https://articles.zsxq.com/id_93itkfspahti.html)
- [NLP菜鸟逆袭记——【Bert-Span】实战](https://articles.zsxq.com/id_uubz19x6zqkk.html)
- [NLP菜鸟逆袭记——【MRC for Flat Nested NER:一种基于机器阅读理解的命名实体识别】实战](https://articles.zsxq.com/id_5eb5kutqpkkx.html)
- [NLP菜鸟逆袭记——【Biaffine NER:一种基于双仿射注意力机制的命名实体识别】实战](https://articles.zsxq.com/id_jma1qe0cfpru.html)
- [NLP菜鸟逆袭记——【Multi Head Selection Ner: 一种基于多头选择的命名实体识别】实战](https://articles.zsxq.com/id_nwapunoqma83.html)
- [NLP菜鸟逆袭记——【one vs rest NER: 一种基于one vs rest的命名实体识别】实战](https://articles.zsxq.com/id_10adh3w5lf43.html)
- [NLP菜鸟逆袭记——【GlobalPointer:一种基于span分类的解码方法】实战](https://articles.zsxq.com/id_1qzdewzrwwcv.html)
- [NLP菜鸟逆袭记——【W2NER:一种统一的命名实体识别词与词的的命名实体识别】实战](https://articles.zsxq.com/id_3wkwpcqzog06.html)
### 2.2 关系抽取
- [NLP菜鸟逆袭记——【关系抽取(分类)】理论](https://articles.zsxq.com/id_bko5bhw4wp0g.html)
- 关系抽取 实战篇
- [NLP菜鸟逆袭记——【BERT-RE:一种基于 Bert 的 Pipeline 实体关系抽取】实践](https://articles.zsxq.com/id_8pvqg3sbpd6x.html)
- [NLP菜鸟逆袭记——【Casrel Triple Extraction:一种基于 CasRel 的 三元组抽取】实践](https://articles.zsxq.com/id_vac8j1kidxw2.html)
- [NLP菜鸟逆袭记——【GPLinker:一种基于 GPLinker的 三元组抽取】实践](https://articles.zsxq.com/id_okpfgpofwrib.html)
### 2.3 事件抽取
- 事件抽取 理论篇
- 事件抽取 实战篇
- [ NLP菜鸟逆袭记——【BERT Event Extraction:一种基于 Bert 的 Pipeline 事件抽取】实践](https://articles.zsxq.com/id_s1mrunww6el4.html)
- [NLP菜鸟逆袭记——【BERT MRC Event Extraction:一种基于 MRC 的 事件抽取】实践](https://articles.zsxq.com/id_qfai1ixcoogi.html)
### 2.4 属性抽取
- [NLP菜鸟逆袭记——【属性抽取(Attribute Extraction)】理论](https://articles.zsxq.com/id_t6zkk3oolgcb.html)
- 属性抽取 实战篇
- [NLP菜鸟逆袭记——【一种基于 albert 的中文属性抽取 —— Albert for Attribute Extraction】实践](https://articles.zsxq.com/id_rbkjlutnsuhu.html)
### 2.5 关键词抽取
- [【NLP菜鸟逆袭记—【关键词提取】理论](https://articles.zsxq.com/id_igmn1m26r4si.html)
- 关键词抽取 实战篇
### 2.6 �
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
自然语言处理入门练习 的所有任务(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等),所有代码都经过测试… 知识图谱是一种结构化的知识表达形式,它以图形的方式组织和存储了大量实体(如人、地点、事件等)及其相互关系。在知识图谱中,实体作为节点,实体之间的各种语义关联则通过边进行连接,形成了一个庞大的数据网络。 知识图谱的核心价值在于其能够精确、直观地表示复杂世界中的知识,并支持高效的知识查询与推理。例如,在搜索引擎中,知识图谱可以提升搜索结果的相关性和准确性,为用户提供直接的答案而非仅仅是网页链接。同时,知识图谱还能支撑高级的人工智能应用,比如问答系统、推荐系统、决策支持等领域。 构建知识图谱的过程通常包括数据抽取、知识融合、实体识别、关系抽取等多个步骤,涉及到自然语言处理、机器学习、数据库技术等多种技术手段。知识图谱的不断完善有助于实现从海量信息中挖掘深层次、有价值的知识,从而推动人工智能向着更加理解人类世界的智慧方向发展。 总之,知识图谱是一个大规模、多领域、多源异构知识集成的载体,是实现智能化信息系统的基础工具和关键基础设施,对于提升信息检索质量、推动智能应用研发具有重要作用。
资源推荐
资源详情
资源评论
收起资源包目录
此项目完成了关于 NLP-Beginner:自然语言处理入门练习 的所有任务(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等),所有代码都经过测试….zip (1个子文件)
SJT-code
README.md 16KB
共 1 条
- 1
资源评论
JJJ69
- 粉丝: 6212
- 资源: 5783
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功