整合格式为 ：字 BIO标签 格式，可以直接使用主流NER模型进行训练

Inverted_Index_Generator 使用斯坦福 NLP 模块创建倒排索引。 在此处找到所有 JAR 文件： : 克兰菲尔德收藏： : 该项目的详细信息： :

智能终端大数据、NLP与个人黑产防范

基于BERT的蒸馏实验 参考论文《从BERT提取任务特定的知识到简单神经网络》 分别采用keras和pytorch基于textcnn和bilstm（gru）进行了实验 实验数据分割成1（有标签训练）：8（无标签训练）：1（测试） 在情感2分类服装的数据集上初步结果如下： 小模型（textcnn＆bilstm）准确率在0.80〜0.81 BERT模型准确率在0.90〜0.91 蒸馏模型准确率在0.87〜0.88 实验结果与论文某些基本一致，与预期相符 后续将尝试其他更有效的蒸馏方案 使用方法 首先finetune BERT python ptbert.py 然后把BERT的知识蒸馏到小模型里

vgg加载训练好的模型和参数，包括vgg16_exported.json和vgg16_exported.h5，本人亲测，代码有效！！！打包文件和代码！！！ 本人第一次实现图像识别，CV的入门级别，却难到了多少人，都是因为网上资料不全！！！ 模型本人还自写了一次！和提供的vgg16_exported.json结构一模一样！全在代码里！！！ 代码演示：https://blog.csdn.net/mujie2015/article/details/117756243

NLTK Stopwords 停用词

HanLP: Han Language Processing | | | | | 面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP技术。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 借助世界上最大的多语种语料库，HanLP2.1支持包括简繁中英日俄法德在内的104种语言上的10种联合任务：分词（粗分、细分2个标准，强制、合并、校正3种）、词性标注（PKU、863、CTB、UD四套词性规范）、命名实体识别（PKU、MSRA、OntoNotes三套规范）、依存句法分析（SD、UD规范）、成分句法分析、语义依存分析（SemEval16、DM、PAS、PSD四套规范）、语义角色标注、词干提取、词法语法特征提取、抽象意义表示（AMR）。 量体裁衣，HanLP提供RESTful和nati

BosonNLP_sentiment_score 知网Hownet 清华大学——李军中文褒贬义词典 台湾大学NTUSD 其他词典和分类

下载解压后，将config.json文件下的“config_path”的值里面那两个点和斜杠去掉， 即"config_path": "configs/cnn_50_100_512_4096_sample.json" 然后把整个文件夹拖进项目里即可使用

实验 词汇分析 1）使用任意分词方法编写算法实现汉语自动分词程序； 2）编写直接调用分词工具(jieba分词，中科院分词等)进行分词的程序; 3）用两种方法，给出至少50个句子的分词结果（以附件形式）； 4）分别计算出两种分词结果的正确率，给出计算依据。