TF Model building/training/evaluating for simple nlp task just by params configuration, training/evaluating monitor and params configure GUI with streamlit.

简要介绍 我是竞赛选手rebornZH，很高兴在2019 CCF BDCI大赛中拿下3个NLP竞赛TOP，在这里我主要分享金融信息负面及主体判定赛题的解决方案和自己对另外两个NLP赛题的一些解题思路，希望能与大家一起学习，一起进步，同时如果有NLP方向的朋友愿意和我一起交流学习NLP技术我也是非常欢迎的，可以加我QQ联系，后面有联系方式。最后希望大家多给下star，毕竟整理这些也挺花时间的，在这里先谢谢大家了。 比赛链接 金融信息负面及主体判定： “技术需求”与“技术成果”项目之间关联度计算模型： 互联网金融新实体发现： 特别说明 上面的开源代码是在我最终版代码上修改而来的baseline，因为有些代码涉及到我队友，不方便全部开源，因此我特地整理一个比较好的基线给大家作为参考，这个基线的分数应该是该赛题开源的基线中分数最好的，并且距离最终版代码差别不是特别大。 GPU最低要求：2080Ti

├─(2) 1.1 语言模型与语法树.zip ├─(3) 10-CNN卷积神经网络.mp4 ├─(4) 10.1 CNN卷积神经网络.zip ├─(5) 11-RNN循环神经网络.mp4 ├─(6) 11.1 RNN循环神经网络.zip ├─(7) 12-Transformer与BERT，大规模预训练问题.mp4 ├─(8) 12.1 Transformer与BERT，大规模预训练问题.zip ├─(9) 13-面向服务的智能客户机器人与新闻自动摘要生成.mp4 ├─(10) 13.1 面向服务的智能客户机器人与新闻自动摘要生成.zip ├─(11) 14-高级人工智能知识.mp4 ├─(12) 14.1 高级人工智能知识.zip ├─(13) 2-爬虫、搜索引擎与自动路径决策.mp4 ├─(14) 2.1 爬虫、搜索引擎与 自动路径决策.zip ├─(15) 3-动态规划与编辑距离.mp4 ├─(16) 3.1 动态规划与编辑距离.zip ├─(17) 4-自然语言理解初步.mp4 ├─(18) 4.1 自然语言理解初步.zip ├─(19) 5-经典机器学习一.mp4 ├─(20)

基于python实现微博动态情感分析设计Flask制作restful api项目源码+数据集.zip 适用于做NLP情感分析 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习学习者。 也可作为课程设计、期末大作业、作为毕设使用。 也可以用来学习、参考、借鉴。

AI Conference 北京站 AI Conference 2019 北京站6月18-21日即将开幕！ 培训：大会推出「PyTorch 深度学习」两天培训课程，资深数据科学家主讲，限制人数，抢票从速！ 编者注：文中超链接如果不能访问可以点击“阅读原文”访问本文原页面；查看2019年6月18日至21日在北京举行的人工智能大会上的相关议题。 开源NLP库 在开发和生产中，最受欢迎的NLP库列表如下： Spark NLP spaCy NLTK OpenNLP Stanford CoreNLP 显然，NLP领域还有更多的库。但是，这些库更通用，涵盖更多功能，而不只是专注于特定用例。例如，gen

streamlit_NLP 通过Streamlit进行的简单NLP演示

论文复习 语音识别论文综述·NLP·语音合成 年 纸 链接 2006/06 Connectionist Temporal Classification: Labelling UnsegmentedSequence Data with Recurrent Neural Networks 2015/06 Attention-Based Models for Speech Recognition 2015/08 Listen, Attend and Spell 2016/09 Joint CTC-Attention based End-to-End Speech Recognition using Multi-task Learning 2017/07 Attention Is All You Need 2018/10 BERT: Pre-training of Deep Bidir

开放学术数据挖掘大赛测试数据集， json格式，包合论文元素据，摘要，标题，作者列表

ner_crf ner_crf是Jupyter笔记本，它使用 / 实现，使用条件随机字段（CRF）描述了命名实体识别（NER）。 依存关系 ner_crf用编写，因此在使用python3之前应下载最新版本的python3 。 可以从找到python的下载（建议使用3.5.1版）。 您还需要能够运行Jupyter Notebook（请参阅 ）。 还需要以下python库来运行ner_crf笔记本：

WikiText 英语词库数据（The WikiText Long Term Dependency Language Modeling Dataset）是一个包含1亿个词汇的英文词库数据，这些词汇是从Wikipedia的优质文章和标杆文章中提取得到，包括WikiText-2和WikiText-103两个版本，相比于著名的 Penn Treebank (PTB) 词库中的词汇数量，前者是其2倍，后者是其110倍。每个词汇还同时保留产生该词汇的原始文章，这尤其适合当需要长时依赖(long term dependency)自然语言建模的场景。