知識圖譜系列---自然語言處理---分詞詞向量與文本分類

【分詞與詞向量】

主要是 jieba 和 gensim.models.word2vec 使用

【結巴分詞資料匯編】結巴中文分詞官方文檔分析(1)

【結巴分詞資料匯編】結巴中文分詞源碼分析(2)

【結巴分詞資料匯編】結巴中文分詞基本操作(3)

python版本word2vec實現

python版本doc2vec實現

參數數據源：http://mattmahoney.net/dc/text8.zip

【自然語言處理】

自然語言處理——詞的表示

詞向量模型(word2vec)詳解

高級詞向量表示

自然語言處理簡述

自然語言處理之jieba分詞

自然語言處理之word2vec

自然語言處理之序列標注問題

自然語言處理之信息論基礎

自然語言處理之卷積神經網絡應用

自然語言處理之LDA主題模型

【NLP之算法】：PayPal高級工程總監的100篇論文（附下載）

【NLP之算法】：驀然回首之學習模型的評估系列文章（1-4）

【NLP之算法】：揭秘馬爾可夫模型神秘面紗系列文章（1-5）

【NLP之算法】：一起走進條件隨機場（1-5）

【NLP之算法】：十分鍾快覽自然語言處理總結

【NLP之算法】：快速了解什么是自然語言處理

NLP中的預訓練語言模型（一）—— ERNIE們和BERT-wwm

NLP中的預訓練語言模型（二）—— Facebook的SpanBERT和RoBERTa

NLP中的預訓練語言模型（三）—— XL-Net和Transformer-XL

NLP中的預訓練語言模型（四）—— 小型化bert（DistillBert, ALBERT, TINYBERT）

NLP中的預訓練語言模型（五）—— ELECTRA

探討自然語言處理技術學習與思考

NLP手記系列：結巴分詞和自然語言處理HanLP處理手記

NLP之項目總結：基於文本相似度對申報項目進行查重設計

NLP之項目總結：Python NLTK 走進大秦帝國

NLP之文本挖掘：Python NLTK處理系列文章（1-5）

NLP之工具：簡明GitHub操作教程指南

NLP之工具：結巴分詞官方文檔和源碼分析系列文章

NLP之工具：Python自然語言處理工具小結

NLP之工具：駕馭文本，OpenNLP和分詞那些事

NLP之本體：領域本體的構建方法概述

NLP之語料庫：談談語料庫知多少

【文本分類實戰】

【文本處理】自然語言處理在現實生活中運用

【文本處理】多種貝葉斯模型構建及文本分類的實現

【文本處理】快速了解什么是自然語言處理

【文本處理】領域本體構建方法概述

【文本處理】OpenNLP：駕馭文本，分詞那些事

【文本處理】【NLP】Tika 文本預處理：抽取各種格式文件內容

【文本處理】自己動手搭建搜索工具

文本分類實戰（一）—— word2vec預訓練詞向量

文本分類實戰（二）—— textCNN 模型

文本分類實戰（三）—— charCNN模型

文本分類實戰（四）—— Bi-LSTM模型

文本分類實戰（五）—— Bi-LSTM + Attention模型

文本分類實戰（六）—— RCNN模型

文本分類實戰（七）—— Adversarial LSTM模型

文本分類實戰（八）—— Transformer模型

文本分類實戰（九）—— ELMO 預訓練模型

文本分類實戰（十）—— BERT 預訓練模型