文件2 动机 给定两个具有相同行数的文件， files2rouge计算每个序列（=行）的平均ROUGE得分。 每个序列可以包含多个句子。 在这种情况下，必须使用--eos标志（默认值：“。”）传递句子字符串的结尾。 使用错误的eos分隔符运行files2rouge可能会导致ROUGE-L得分不正确。 您可能还对Python实现（而不是包装器）感兴趣： : 。 $ files2rouge --help usage: files2rouge [-h] [-v] [-a ARGS] [-s SAVETO] [-e EOS] [-m] [-i] refer

中文、英文、日文、阿拉伯文等常见姓名英语拼写，NLP方向学习用数据集。

腾讯TEG NLP中文预训练模型探索与应用

零售产品分类 该项目有助于将零售产品分类。 尽管在此示例中，类别按层次结构进行了结构，但为简单起见，我将所有子类别都视为顶级类别。 该项目中使用的主要软件包是： ， 和 。 您可以在阅读解释该项目的文章。 您将需要Python3 +才能使用此项目。 安装 1.下载 现在，您需要在工作空间中使用text-classification-python项目文件： $ git clone https://github.com/joaorafaelm/text-classification-python ; $ cd text-classification-python ; 2. Virtuale

收集五本自然语言处理经典书籍电子书：Neural Networks and Deep Learning by Michael Nielsen；PYTHON自然语言处理中文翻译；Speech and Language Processing；统计自然语言处理；统计自然语言处理基础(中文版 带书签)。

深度学习

NLP文本分类数据

fasttext图书分类

这个案例主要是利用tfa框架Sequence to Sequence Model Architecture中的Attention以及Encoder-Decoder方法实现神经机器翻译（Neural Machine Translation，NMT），当然翻译的准确性不可能像BERT之类的那么好，但可以作为一个入门实验，通过这个案例，大家应该对Attention的使用有了更清晰、更全面的认识。

PyTorch的BERT中文文本分类 此存储库包含用于中文文本分类的预训练BERT模型的PyTorch实现。 代码结构 在项目的根目录，您将看到： ├── pybert | └── callback | | └── lrscheduler.py　　 | | └── trainingmonitor.py　 | | └── ... | └── config | | └── base.py #a configuration file for storing model parameters | └── dataset　　　 | └── io　　　　 | | └── be