Stanza：斯坦福NLP自然语言处理Python工具包，NER有很大改进(支持中文) Stanza：适用于多种人类语言的 Python NLP 库 斯坦福 NLP 集团的官方 Python NLP 库。 它支持在 60 多种语言上运行各种准确的自然语言处理工具，并支持从 Python 访问 Java Stanford CoreNLP 软件。 有关详细信息，请访问我们的官方网站。 参考资料 如果您在研究中使用此库，请引用我们的 Stanza 系统描述论文：@inproceedings{qi2020stanza, title={Stanza: A {Python} Natural Language Processing Toolkit for Many Human Languages}，作者={Qi, Peng and Zhang, Yuhao and Zhang, Yuhui and Bolton, Jason and Manning, Christopher D.}, booktitle = "Proceedings of the Association for Computa

doccano：基于网页的开源协同多语言文本标注工具 doccano doccano 是一个开源的人类文本注释工具。 它为文本分类、序列标记和序列到序列任务提供注释功能。 因此，您可以为情感分析、命名实体识别、文本摘要等创建标记数据。 只需创建一个项目，上传数据并开始注释。 您可以在几小时内构建一个数据集。 演示 您可以尝试注释演示。 功能 协同注解 多语言支持 移动端支持 Emoji :grinning_face_with_smiling_eyes: 支持深色主题 RESTful API 使用 运行 doccano 的两个选项：生产、开发。 要使用doccano，请遵循：安装依赖项您需要安装依赖项：Git、Docker、Docker Compose。 获取代码 您需要克隆存储库： $ git clone https://github.com/doccano/doccano.git $ cd doccano Windows 开发人员注意事项：请务必配置 git 以正确处理行尾，否则您可能会遇到状态代码在以后的步骤中运行服务时出现 127 错误。 使用下面的 git 配

使用seq2seq模型与attention注意力机制生成对联，数据集中有预处理代码，其对应的工程代码github地址：https://github.com/zhangzhiqiangccm/NLP-project

第一章大作文趋势:ｗａｖｅ英语一漫画作文(ｃａｒｔｏｏｎ学术型硕士)标准字数在２００—２３０字英语二图表作文(ｃｈａｒｔ专业型硕士)标准字数１６０１８０字•写作

哈工大自然语言处理讲义哈工大自然语言处理讲义哈工大自然语言处理讲义

完整带书签，word版，全章节，五分不算多，赚点儿积分

Recurrent neural network based language model Word representations: A simple and general method for semi-supervised learning Natural Language Processing (Almost) from Scratch Efficient Estimation of Word Representations in Vector Space 。。。。。。 NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE Learning to Compose Neural Networks for Question Answering

通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集通过SASRec算法进行基于Transformer的商品推荐_数据集

networkx 书中代码实现 书中p165，networkx和matplotlib结合使用可视化wordnet的网络结构（语义网络） import networkx as nx import matplotlib from nltk.corpus import wordnet as wn def traverse(graph, start, node): graph.depth[node.name] = node.shortest_path_distance(start) for child in node.hyponyms(): graph.add_edge

基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配的实体对齐任务数据集基于字符串匹配