干货 | NLP、知识图谱教程、书籍、网站、工具...(附资源链接)

[ 导读 ]本文作者一年前整理了这份关于 NLP 与知识图谱的参考资源,涵盖内容与形式也是非常丰富,接下来我们还会继续努力,分享更多更好的新资源给大家,也期待能与大家多多交流,一起成长。


干货 | NLP、知识图谱教程、书籍、网站、工具...(附资源链接)



NLP参考资源

自然语言处理(Natural Language Processing)是深度学习的主要应用领域之一。

1. 教程

  • CS224d: Deep Learning for Natural Language Processing
  • http://cs224d.stanford.edu/
  • CS224d课程的课件
  • http://web.stanford.edu/class/cs224n/syllabus.html
  • CMU的NLP教程。该网页下方还有美国其他高校的NLP课程的链接。
  • http://demo.clab.cs.cmu.edu/NLP/
  • 北京大学的NLP教程,特色:中文处理。缺点:传统方法居多,深度学习未涉及。
  • http://ccl.pku.edu.cn/alcourse/nlp/
  • COMS W4705: Natural Language Processing
  • http://www.cs.columbia.edu/~cs4705/
  • 初学者如何查阅自然语言处理(NLP)领域学术资料
  • https://mp.weixin.qq.com/s/TSc4E8lKwgc-EvzP8OlJeg
  • 揭开知识库问答KB-QA的面纱(知识图谱方面的系列专栏)
  • https://zhuanlan.zhihu.com/kb-qa
  • 《语音与语言处理》第三版,NLP和语音合成方面的专著
  • http://web.stanford.edu/~jurafsky/slp3/ed3book.pdf
  • CIPS ATT 2017 文本分析和自然语言课程PPT
  • https://mp.weixin.qq.com/s/5KhTWdOk-b84DXmoVr68-A
  • CMU NN for NLP
  • http://phontron.com/class/nn4nlp2017/assets/slides/
  • CMU Machine Translation and Sequence to Sequence Models
  • http://phontron.com/class/mtandseq2seq2017/
  • Oxford Deep NLP 2017 course
  • https://github.com/oxford-cs-deepnlp-2017/lectures

2. 书籍

  • 《Natural Language Processing with Python》,Steven Bird、Ewan Klein、Edward Loper著。这本书的作者们创建了著名的NLTK工具库。
  • http://ccl.pku.edu.cn/alcourse/nlp/LectureNotes/Natural%20Language%20Processing%20with%20Python.pdf

注:

Steven Bird,爱丁堡大学博士,墨尔本大学副教授。

http://www.stevenbird.net/about.html

Ewan Klein,苏格兰人,哥伦比亚大学博士(1978年),爱丁堡大学教授。

Edward Loper,宾夕法尼亚大学博士。

  • 推荐5本经典自然语言处理书籍
  • https://mp.weixin.qq.com/s/0HmsMytif3INqAX1Si5ukA

3. 网站

  • 一个自然语言处理爱好者的群体博客。包括52nlp、rickjin、liwei等国内外华人大牛.
  • http://www.52nlp.cn/
  • 实战课程:自己动手做聊天机器人
  • http://www.shareditor.com/bloglistbytag/?tagname=%E8%87%AA%E5%B7%B1%E5%8A%A8%E6%89%8B%E5%81%9A%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA
  • 北京大学计算机科学技术研究所语言计算与互联网挖掘研究
  • http://www.icst.pku.edu.cn/lcwm/
  • NLP深度学习方面的代码库
  • https://github.com/rockingdingo/deepnlp
  • NLP专家李维的blog
  • https://liweinlp.com/
  • 一个NLP方面的blog
  • http://www.shuang0420.com/
  • 一个DL+ML+NLP的blog
  • http://www.cnblogs.com/Determined22/
  • 一个NLP方面的blog
  • http://www.cnblogs.com/robert-dlut/
  • 一个NLP方面的blog
  • https://blog.csdn.net/wangxinginnlp

4. 工具

  • Natural Language Toolkit(NLTK)
  • 官网:http://www.nltk.org/
  • 可使用nltk.download()下载相关nltk官方提供的各种资源。

参考:

http://www.cnblogs.com/baiboy/p/nltk3.html

  • OpenNLP
  • http://opennlp.apache.org/
  • FudanNLP
  • https://github.com/FudanNLP/fnlp
  • Stanford CoreNLP
  • http://stanfordnlp.github.io/CoreNLP/
  • THUCTC
  • THUCTC(THU Chinese Text Classification)是由清华大学自然语言处理实验室推出的中文文本分类工具包。
  • http://thuctc.thunlp.org/
  • gensim
  • gensim是Python语言的计算文本相似度的程序包。
  • http://radimrehurek.com/gensim/index.html

安装指令:

pip install --upgrade gensim

GitHub 地址:

https://github.com/RaRe-Technologies/gensim

参考学习:

情感分析的新方法——基于Word2Vec /Doc2Vec/Python

http://www.open-open.com/lib/view/open1444351655682.html

Gensim Word2vec使用教程

http://blog.csdn.net/Star_Bob/article/details/47808499

  • GloVe
  • GloVe:Global Vectors for Word Representation
  • https://nlp.stanford.edu/projects/glove/
  • textsum
  • textsum是一个基于深度学习的文本自动摘要工具。

代码:

https://github.com/tensorflow/models/tree/master/textsum

参考:

http://www.jiqizhixin.com/article/1449

谷歌开源新的TensorFlow文本自动摘要代码:

TensorFlow文本摘要生成 - 基于注意力的序列到序列模型

http://blog.csdn.net/tensorflowshizhan/article/details/69230070

  • jieba
  • https://github.com/fxsjy/jieba
  • NLPIR:NLPIR汉语分词系统(又名ICTCLAS2013),是中科院张华平博士的作品。
  • http://ictclas.nlpir.org/

参考:

这个网页对于NLP的大多数功能进行了可视化的展示。NLP入门必看。

http://ictclas.nlpir.org/nlpir/

  • snownlp
  • https://github.com/isnowfy/snownlp
  • HanLP:HanLP是一个目前留学日本的中国学生的作品
  • http://hanlp.linrunsoft.com/

作者blog:

http://www.hankcs.com/

Github:

https://github.com/hankcs/HanLP/

从作者的名气来说,HanLP无疑是最低的,性能也不见得有多好。然而对于初学者来说,这却是最适合的工具。这主要体现在以下几个方面:

1.中文处理能力。NLTK和OpenNLP对中文支持非常差,这里不光是中文分词的问题,有些NLP算法需要一定的语言模型数据,但浏览NLTK官方的模型库,基本找不到中文模型数据。

2.jieba、IK之类的功能太单一,多数局限在中文分词方面领域。gensim、THUCTC专注于NLP的某一方面,也不是通用工具。

3.NLPIR和Stanford CoreNLP算是功能最强的工具包了。前者的问题在于收费不开源,后者的问题在于缺少中文文档。FudanNLP的相关文档较少,文档友好度不如HanLP。

4.HanLP在主页上提供了相关算法的blog,便于初学者快速掌握相关概念。其词典是明文发布,便于用户修改。HanLP执行时,会将明文词典以特定结构缓存,以提高执行效率。

注:不要以为中文有分词问题,就比别的语言复杂,英文还有词根问题呢。。。每种语言都不简单。

  • AllenNLP
  • AllenNLP是 Allen AI实验室的作品,采用深度学习技术,基于PyTorch开发。
  • http://allennlp.org/

Allen AI实验室由微软联合创始人Paul G. Allen投资创立。

http://allenai.org/

  • python版的汉字转拼音软件
  • https://github.com/mozillazg/python-pinyin
  • Java分布式中文分词组件-word分词
  • https://github.com/ysc/word
  • jena是一个语义网络、知识图谱相关的软件
  • http://jena.apache.org/
  • NLPchina
  • NLPchina(中国自然语言处理开源组织)旗下有许多好用的工具。
  • http://www.nlpcn.org/

Github:

https://github.com/NLPchina

  • Ansj
  • Ansj是一个NLPchina旗下的开源的Java中文分词工具,基于中科院的ictclas中文分词算法,比其他常用的开源分词工具(如mmseg4j)的分词准确率更高。
  • https://github.com/NLPchina/ansj_seg
  • Word2VEC_java
  • word2vec java版本的一个实现。
  • https://github.com/NLPchina/Word2VEC_java
  • doc2vec java版本的一个实现,基于Word2VEC_java。
  • https://github.com/yao8839836/doc2vec_java
  • ansj_fast_lda
  • LDA算法的Java包。
  • https://github.com/NLPchina/ansj_fast_lda
  • nlp-lang
  • 这个项目是一个基本包.封装了大多数nlp项目中常用工具
  • https://github.com/NLPchina/nlp-lang
  • 词性标注
  • ICTPOS3.0汉语词性标记集
  • http://jacoxu.com/ictpos3-0%E6%B1%89%E8%AF%AD%E8%AF%8D%E6%80%A7%E6%A0%87%E8%AE%B0%E9%9B%86/
  • Word Hashing
  • Word Hashing是非常重要的一个trick,以英文单词来说,比如good,他可以写成#good#,然后按tri-grams来进行分解为#go goo ood od#,再将这个tri-grams灌入到bag-of-word中,这种方式可以非常有效的解决vocabulary太大的问题(因为在真实的web search中vocabulary就是异常的大),另外也不会出现oov问题,因此英文单词才26个,3个字母的组合都是有限的,很容易枚举光。

那么问题就来了,这样两个不同的单词会不会产出相同的tri-grams,paper里面做了统计,说了这个冲突的概率非常的低,500K个word可以降到30k维,冲突的概率为0.0044%。

但是在中文场景下,这个Word Hashing估计没有这么有效了:

  • 词汇共现
  • http://sewm.pku.edu.cn/TianwangLiterature/SEWM/2005(5)/%5b%b3%c2%c1%88,%20et%20al.,2005%5d/050929.pdf

词汇共现是指词汇在文档集中共同出现。以一个词为中心,可以找到一组经常与之搭配出现的词,作为它的共现词汇集。

词汇共现的其中一种用例:

有若干关键词,比如:水果、天气、风,有若干描述词,比如,很甜、晴朗、很大,然后现在要找出他们之间的搭配,在这个例子里,我们最终要找到:水果很甜、天气晴朗、风很大。

  • 关键词提取
  • 主要三种方法:1.基于统计特征,如TF-IDF;2.基于词图模型,如TextRank;3.基于主题模型,如LDA。
  • 自然语言理解
  • Natural language understanding(NLU)属于NLP的一个分支,属于人工智能的一个部分,用来解决机器理解人类语言的问题,属于人工智能的核心难题。
  • http://www.shuang0420.com/2017/04/27/NLP%E7%AC%94%E8%AE%B0%20-%20NLU%E4%B9%8B%E6%84%8F%E5%9B%BE%E5%88%86%E7%B1%BB/
  • 论文
  • 《Distant Supervision for relation extraction without labeled data》
  • 《Using Recurrent Neural Networks for Slot Filling in Spoken Language Understanding》
  • 《Convolutional Neural Networks for Sentence Classification》


知识图谱参考资源

  • 知识图谱构建技术综述
  • https://wenku.baidu.com/view/38ad3ef7e109581b6bd97f19227916888586b959.html
  • 知识图谱技术综述
  • https://wenku.baidu.com/view/e69a3619fe00bed5b9f3f90f76c66137ee064f15.html
  • 知识图谱技术原理介绍
  • https://wenku.baidu.com/view/b3858227c5da50e2534d7f08.html
  • 基于知识图谱的问答系统关键技术研究
  • https://mp.weixin.qq.com/s/JLYegFP7kEg6n34crgP09g
  • 什么是知识图谱?
  • https://mp.weixin.qq.com/s/XgKvh63wgEe-CR9bchp03Q
  • 当知识图谱遇上聊天机器人
  • https://mp.weixin.qq.com/s/iqFXvhvYfOejaeNAhXxJEg
  • 知识图谱前沿技术课程实录
  • https://mp.weixin.qq.com/s/U-dlYhnaR8OQw2UKYKUWKQ
  • 阿里知识图谱首次曝光:每天千万级拦截量,亿级别全量智能审核
  • https://mp.weixin.qq.com/s/MZE_SXsNg6Yt4dz2fmB1sA
  • 东南大学漆桂林:知识图谱的应用
  • https://mp.weixin.qq.com/s/WIro7pk7kboMvdwpZOSdQA
  • 东南大学高桓:知识图谱表示学习
  • https://mp.weixin.qq.com/s/z1hhG4GaBQXPHHt9UGZPnA
  • 复旦肖仰华:基于知识图谱的问答系统
  • https://mp.weixin.qq.com/s/JZYH_m1eS93KRjkWA82GoA
  • 多源信息表示学习在知识图谱中的应用
  • https://mp.weixin.qq.com/s/cEmtOAtfP2gSBlaPfGXb3w
  • 如何构建知识图谱
  • https://mp.weixin.qq.com/s/cL1aKdu8ig8-ocOPirXk2w
  • 中文通用百科知识图谱(CN-DBpedia)
  • https://mp.weixin.qq.com/s/Nh7XJOLNBDdpibopVG4MrQ

原文链接:

https://blog.csdn.net/antkillerfarm/article/details/78082564

相关推荐