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.zip

# 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 �