人工智能技術(shù)目前越來(lái)越火爆，近日，2018 年圖靈獎(jiǎng)得主揭曉，獲獎(jiǎng)的三位科學(xué)家是分別是 Yoshua Bengio、Yann LeCun 和 Geoffrey Hinton。相信在人工智能領(lǐng)域，沒(méi)有人不知道這三位，眾所周知，他們被稱為「深度學(xué)習(xí)三巨頭」。

作為人工智能領(lǐng)域「皇冠上的明珠」，NLP 技術(shù)在經(jīng)歷了過(guò)去幾年的發(fā)展之后，證明了它落地的可行性，因此目前也是相當(dāng)火爆。想必同學(xué)們也會(huì)經(jīng)常在網(wǎng)上找一些好的學(xué)習(xí)資源。

最近，小編在 github 上發(fā)現(xiàn)了一份基于的 NLP 學(xué)習(xí)教程。這份教程內(nèi)容相當(dāng)豐富，內(nèi)容涵蓋神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯、問(wèn)答匹配、電影評(píng)價(jià)分類、新聞分類等多個(gè)領(lǐng)域。

項(xiàng)目的 GitHub 地址為：https://github.com/lyeoni/nlp-tutorial。

這是一個(gè)教你逐步實(shí)現(xiàn)和適應(yīng)簡(jiǎn)單的實(shí)詞 NLP 任務(wù)的教程：

項(xiàng)目里面有 4 個(gè)資源：神經(jīng)機(jī)器翻譯、問(wèn)答匹配、新聞分類和電影分級(jí)。這些資源都提供了源碼，對(duì)初學(xué)者來(lái)說(shuō)，極為友好。初學(xué)者可以學(xué)會(huì)建立自己的模型。

廢話就不多說(shuō)了，讓我們一起來(lái)具體看看這些資源吧~

神經(jīng)機(jī)器翻譯：這個(gè) repo 提供了神經(jīng)機(jī)器翻譯的簡(jiǎn)單 PyTorch 實(shí)現(xiàn)，以及機(jī)器翻譯過(guò)程中各種序列到序列（seq2seq）模型的比較。

關(guān)鍵詞：序列到序列網(wǎng)絡(luò)（seq2seq），注意機(jī)制，自回歸，Teacher-forcing

問(wèn)答匹配：這個(gè) repo 提供了簡(jiǎn)單的 PyTorch 問(wèn)答匹配實(shí)現(xiàn)。在這里，我們使用來(lái)自 Stack Exchange 的英語(yǔ)語(yǔ)料庫(kù)來(lái)構(gòu)建整個(gè)問(wèn)題的嵌入。使用這些嵌入，我們找到給定問(wèn)題的類似問(wèn)題，并找到相應(yīng)的答案。

關(guān)鍵詞： 長(zhǎng)度可變的 LSTM 序列，TF-IDF，文本分類

新聞分類：此報(bào)告包含一個(gè)簡(jiǎn)單的源代碼，用于基于 textcn 的文本分類。語(yǔ)料庫(kù)是英文的赫夫波斯特新聞分類數(shù)據(jù)集。大多數(shù)開放源代碼對(duì)于初學(xué)者來(lái)說(shuō)有點(diǎn)難以學(xué)習(xí)和建立文本分類模型。所以，我希望這個(gè) repo 對(duì)于那些想要擁有自己的文本分類模型的人來(lái)說(shuō)是一個(gè)很好的解決方案。

關(guān)鍵詞：textcn，文本分類，文本分類

電影分級(jí)（韓國(guó) NLP）：此 repo 包含一個(gè)簡(jiǎn)單的源代碼，用于基于 TextCNN 的文本分類任務(wù)中。其語(yǔ)料庫(kù)是 Huffpost 的新聞分類數(shù)據(jù)集。對(duì)初學(xué)者來(lái)說(shuō)，學(xué)習(xí)大多數(shù)開放源代碼、建立文本分類模型是有難度的。所以，我希望這個(gè) repo 可以幫助他們擁有自己的文本分類模型。

關(guān)鍵詞：TextCNN、文本分類、情感分析

如果在學(xué)習(xí)中遇到相關(guān)問(wèn)題，還可以點(diǎn)擊下面的網(wǎng)址，加入小組答疑：https://github.com/lyeoni/nlp-tutorial/tree/master/question-answering-SQuAD

擁有這么好的資源，同學(xué)們趕快開始學(xué)習(xí)吧！