NLP自然语言处理的经典题目，简单，基础，面试经常考的问题。

Multi30k数据集，是torchtext中集成的机器翻译相关的数据集之一，运行PyTorch的教程LANGUAGE TRANSLATION WITH TORCHTEX时，由于网络原因无法自动下载，将本压缩包解压并放置到torchtext的root目录下就可以运行。

CCL2018中移在线客服领域用户意图分类冠军1st方案

网上找到《斯坦福CS224n_自然语言处理与深度学习_笔记_hankcs》，发现确实十分有用，对于想学习NLP的人来说，有巨大的帮助。故，特此分享。感谢笔记作者。

近年来，自然语言处理中的统计学方法已经逐渐成为主流。本书是一本全面系统地介绍统计自然语言处理技术的专著，被国内外许多所著名大学选为计算语言学相关课程的教材。本书涵盖的内容十分广泛，分为四个部分，共16章，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不同水平的读者群的需求。同时，本书将理论与实践紧密联系在一起，在介绍理论知识的基础上给出了自然语言处理技术的高层应用（如信息检索等）。在本书的配套网站上提供了许多相关资源和工具，便于读者结合书中习题，在实践中获得提高。 本书不仅适合作为自然语言处理方向的研究生的教材，也非常适合作为自然语言处理相关领域的研究人员和技术人员的参考资料。 近年来，统计自然语言处理(或称统计语言学)异军突起，现已成为自然语言处理研究的主流。 本书是一本全面系统地介绍统计自然语言处理技术的专著，已经被国内外许多所著名大学选为计算语言学相关课程的教材。本书涵盖的内容十分广泛，分为四个部分，共16章，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。为了方便学生和研究人员建立自己的语言处理系统，本书不仅提供了宽广而精确的数学和语言学理论基础，还详细讨论了统计语言模型，并覆盖了搭配查找、语义消歧、概率分析、信息检索和其他应用。

本文描述了如何使用metamap对包括电子病历，医学书籍，卫生保健类文本进行信息抽取和标准化的方法

本文对虚假新闻的检测进行了综述。我们的调查介绍了自动识别假新闻的挑战。我们系统地回顾了为这项任务所开发的数据集和NLP解决方案。我们还讨论了这些数据集和问题公式的限制、我们的见解和建议的解决方案。

官网发布的tensorflow2.0版本以后可使用的BERT中文预训练模型文件，适合无法的伙伴使用tf2 进行fine tuning

R语言处理缺失值 在处理数据过程中，避免不了会产生一些缺失值，如未填写数据或者编码错误等原因，用NA表示缺失值。在R语言中，is.na()函数可以判断元素是否是缺失值，从而返回逻辑值(TRUE/FALSE)，所以该函数将会返回和元数据集一样大小的数据集。在判断缺失值的过程中，需要注意以下两点： 一是缺失值是不可以比较的，即不可以用缺失值去寻找缺失值，如var == NA返回的结果永远不会是true。 二是R语言中不会将正无穷和负无穷写成NA，分别用 Inf 和 –Inf 所标记。 既然缺失值可能无处不在，那么在数据分析过程中可以采取如下的方法去除缺失值： 一是很多数值函数都拥有一个 na.rm

20 Newsgroups数据集是大约20,000个新闻组文档的集合，在20个不同的新闻组中几乎均匀划分。20 Newsgroups数据集已经成为机器学习技术相关实验的常用数据集，例如文本分类和文本聚类实验。