recommendation_advertisement_search

アーセナル検索を促進します

著者：Yang Xi

NLPペーパー調査メモ：https：//github.com/km1994/nlp_paper_study

個人的な紹介：私の名前はYang Xiです。

NLP汎用性と汎用性の高いアドレス：https：//github.com/km1994/nlp-interview-notes

すべての側面とあらゆる種類のアドレスを備えた推奨システム：https：//github.com/km1994/res-interview-notes

アームズライブラリのプロモーションと検索：https：//github.com/km1994/recommendation_advertisement_search

公式アカウント[NLPについて知らないこと]をフォローし、[nlp &&推奨学習グループ]に参加して一緒に勉強してください！ ！ ！

1。プロジェクト

1.1現在業界でダウンロードできるいくつかの大きなモデル

• chatgpt：
  • https://openai.com/blog/chatgpt
  • 経験住所：https：//chat.openai.com/
• GLM-10B/130B
  • はじめに：バイリンガル（中国語および英語）双方向の密なモデル
• opt-2.7b/13b/30b/66b：
  • はじめに：メタオープンソース事前訓練を受けた言語モデル
  • github：https：//github.com/facebookresearch/metaseq
  • 論文：https：//arxiv.org/pdf/2205.01068.pdf
• llama-7b/13b/30b/65b：
  • はじめに：メタオープンソースの基本的な大型言語モデル
  • Github：https：//github.com/facebookresearch/llama
  • 論文：https：//arxiv.org/pdf/2302.13971v1.pdf
• アルパカ（llama-7b）：
  • はじめに：スタンフォードは、強力な再現性のある命令のフォローアップモデルを提案しました。
  • github：https：//github.com/tatsu-lab/stanford_alpaca
  • 中国語lama-alpaca github：https：//github.com/ymcui/chinese-llama-alpaca
• ベル（Bloomz-7B/Llama-7B）：
  • はじめに：このプロジェクトは、Stanford Alpacaに基づいており、Model TuningはChatGPTによって生成されたデータのみを使用しています（他のデータはありません）。
• chatglm-6b：
  • はじめに：中国語と英語のバイリンガル対話言語モデル
  • github：https：//github.com/thudm/chatglm-6b/
• bloom-7b/13b/176b：
  • はじめに：フランス語、中国語、ベトナム、インドネシア、カタロニア、13のインド言語（ヒンディー語など）、20のアフリカ言語を含む46の言語を処理できます。その中で、BloomzシリーズモデルはXP3データセットに基づいて微調整されています。 英語のプロンプト（プロンプト）に推奨されます。英語以外のプロンプト（プロンプト）に推奨
  • github：https：//huggingface.co/bigscience/bloom
  • 論文：https：//arxiv.org/pdf/2211.05100.pdf
• Vicuna（7b/13b）：
  • はじめに：カリフォルニア州バークレー、CMU、スタンフォード、およびUCサンディエゴの研究者によって作成されたVicuna-13Bは、ShareGPTが収集したユーザー共有会話データでラマを微調整することによって得られました。その中で、GPT-4は評価に使用され、Vicuna-13Bのパフォーマンスは、90％以上でChatGPTとBARDに匹敵する機能を達成することを発見しました。 Vicuna-13Bのトレーニングには約300ドルかかります。それだけでなく、大規模な言語モデルであるFastChatに基づいてチャットボットをトレーニング、提供、評価するためのオープンプラットフォームも提供します。
• Baize：
  • はじめに：ラマで訓練されたバイゼ。現在、4つの英語モデルが含まれています：Bai ZE-7B、13B、30B（一般的な対話モデル）と研究/非営利目的の垂直フィールドBAI ZEメディカルモデル、および将来中国のBai ZEモデルをリリースする予定です。 Bai Zeのデータ処理、トレーニングモデル、デモなどのすべてのコードは、オープンソースがあります。
• llmzoo：
  • はじめに：香港の中国大学が立ち上げた一連の大きなモデルと、フェニックスやキメラなどの深Shenzhenビッグデータリサーチインスティテュートチーム - モス：フダンNLPチームが立ち上げたモス大手言語モデル。
• Alpaca FastChat
  • github：https：//github.com/lm-sys/fastchat
• Minigpt-4
  • github：https：//github.com/vision-cair/minigpt-4

1.2 [LLMS実用的なシーケンスシリーズの紹介]

Tsinghua University Open Source Chinese Version ChatGLM-6B Model Learning and Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Practical Pモデルの学習と実践的な戦い[LLMS初心者実践的な戦い-8] Minigpt -4モデルの学習と実践的な戦い

1.3 NLPプロジェクトアーセナル学習

• 【知識グラフ構造Deepkg
  • はじめに：このプロジェクトは、知識グラフの構築に取り組んでおり、現在は少しずつその方法を構築しており、より多くの人々を支援したいと考えています。

1.4推奨システムプロジェクトArsenal Learning

• fun-reco https://github.com/datawhalechina/fun-rec
  • はじめに：主に基本的な機械学習基盤を持ち、推奨アルゴリズムの位置を見つけたいと考えています。
• 【https://github.com/qcymkxycy/recsys
  • はじめに：Xiang Liangの「推奨システム実践」のコード実装

1.5検索エンジンプロジェクトArsenal Learning

• [検索エンジンプロジェクトオープンソース] https://github.com/zuo369301826/search_project
  • プロジェクトの紹介：サイト全体を実装して、プロジェクト全体を実装します。HTTPサーバー：HTTPサーバーは、必要な特定の情報を取得して、検索サーバーに基づいて情報を入手し、HTPサーバーに基づいてデータを取得します。
  • プロジェクトの特徴：1。Googleが提供するProtobuf、Glag、Glogを使用します。 5。HTTPサーバーは、CGIで検索クライアントを呼び出して検索機能を完了します
• 【弾性https://www.elastic.co/cn/
  • はじめに：ElasticSearchは、さまざまなユースケースの出現を解決できる分散型のRESTFULSTYL SEARCHおよびデータ分析エンジンです。 弾性スタックの中心にあるため、データを中央に保存し、予期せぬ予期しない状況を発見するのに役立ちます。
• 【NUTCHhttp://nutch.sourceforge.net/docs/zh/about.html
  • はじめに：Nutchは、オープンソースに生まれたばかりのWeb検索エンジンです。そのホームページには詳細な中国の指示があります。
• 【ルーセンhttp://jakarta.apache.org/lucene/docs/index.html
  • はじめに：Apache Luceneは、Javaソフトウェアにフルテキスト検索機能を簡単に追加できるオープンソースプログラムクローラーエンジンです。 Luceneの主な仕事は、ファイルのすべての単語をインデックス化することです。
• 【egothor http://www.egothor.org/
  • はじめに：Egothorは、Javaで書かれたオープンソースで効率的な全文検索エンジンです。 Javaのクロスプラットフォーム機能により、Egothorは、別の検索エンジンとして、およびフルテキスト検索としてのアプリケーションの両方で、あらゆる環境のアプリケーションに適用できます。
• oxyus http://oxyus.sourceforge.net/
  • はじめに：これは純粋なJavaが作成したWeb検索エンジンです。
• bddbot http://www.twmacinta.com/bddbot/
  • はじめに：BDDBOTは、シンプルで理解しやすい検索エンジンです。現在、テキストファイル（urls.txt）にリストされているURLでクロールし、結果をデータベースに保存します。また、ブラウザからクエリを受け入れ、応答結果を返すシンプルなWebサーバーもサポートしています。 Webサイトに簡単に統合できます。

1.6広告プロジェクトArsenal Learningを計算します

• [Meituan DSP広告戦略の実践] https://tech.meituan.com/2017/05/05/mt-dsp.html
• [インターネット広告と計算広告の紹介] http://web.stanford.edu/class/msande239/

2。AIアーティファクト

• chatgpt ai artifact
  • ai ai artifact
  • ai ai artifact
  • ai ai artifact
  • Forefront Chat Chat.forefront.ai
  • poe poe.com/gpt-4
• 3D AIアーティファクト
  • 傑作スタジオ：https：//xiaobot.net/p/superIndividual
  • 傑作スタジオ：https：//masterpiecestudio.com
  • g3dai {jedi}：https：//g3d.ai
  • Ponzu：https：//www.ponzu.gg
  • Prometheanai：https：//www.prometheanai.com
  • leonardo.ai：https：//leonardo.ai
• アートAIアーティファクト
  • Dream Up（Deviant Art）：https：//www.dreamup.com
  • NightCafe Studio：https：//creator.nightcafe.studio
  • Midjourney：https：//www.midjourney.com/home/
  • ArtBreeder：https：//www.artbreeder.com
  • Wombo：https：//www.wombo.art
• オーディオ編集AIアーティファクト
  • Podcastle：https：//podcastle.aiの編集
  • CleanVoice：オーディオ編集https://cleanvoice.ai
• コードアシスタントAIアーティファクト
  • CodeSquire https://codesquire.ai
  • ビルドコードアシスタントhttps://www.buildt.ai
  • ねえ、github！
• 継続的な更新

3。XiaobaiAIの紹介

3.1機械学習の紹介

• [Wu Wanda Machine Learningシリーズコース] https://www.bilibili.com/video/bv164411b7dx？from = search&seid=181384666354258018449&spm_id_id_from=3333333333333333333333333333333333333333333333333333

3.2 NLPの開始

• [2021 ngディープラーニング-NLPシーケンスモデル] https://www.bilibili.com/video/bv1co4y1279r？from = search&search＆seid = 17563746002586971760&spm_id_id_id_id_from = 33333337.0.0
• 【知識の概要グラフ】
  • Zhejiang University Map講義|
  • Zhejiang University Map Lecture Note |。
  • グラフ講義ノート|講義1-セクション3-知識グラフ
  • グラフ講義ノート|。
  • グラフ講義ノート|講義2-セクション1-知識表現とは

3.3コンピューティング広告を始めます

• [インターネット広告と計算広告の紹介] http://web.stanford.edu/class/msande239/
  • 講義1：はじめに、補足ノート
  • 講義2：市場のデザイン、クラスのプレゼンテーションで、補足ノート
  • 講義3：クラスプレゼンテーションのスポンサー検索1
  • 講義4：クラスプレゼンテーションのスポンサー検索2
  • 講義5：クラスプレゼンテーションで広告1を表示します
  • 講義6：クラスプレゼンテーションで広告2を表示します
  • 講義7：ターゲティング、クラスのプレゼンテーション
  • 講義8：クラスプレゼンテーション1、クラスプレゼンテーション2の推奨システム
  • 講義9：クラスプレゼンテーション1のモバイル、ビデオ、およびその他の新興形式、クラスプレゼンテーション2
• [Liu Peng - 計算広告（推奨）] http://study.163.com/course/introduction.htm?courseid=321007
  • はじめに：Liu Peng教師は現在、360の商業製品の主要な建築家を務めており、インターネット広告の分野で実践的な豊富な経験を持っています。コースの「計算広告」の内容は、広告履歴モデルから最近のテクノロジーまで、理解しやすいものです。
  • 広告の基本的な知識
  • 契約広告システム
  • 視聴者のターゲティング
  • 入札広告システム
  • 広告および広告ネットワークの需要技術を検索します
  • 広告市場
• baidu - 計算広告】http://openresearch.baidu.com/courses/1231.jhtml
  • 計算広告の概要
  • 検索エンジン広告の原則、テクノロジー、エンジニアリングの実践
  • 広告の原則、テクニック、プラクティスを一致させるコンテンツ
• [Wang Yongrui - インターネット広告アルゴリズムとシステムプラクティス] http://yuedu.baidu.com/ebook/3e31c551964bcf84b9d57bc0.html
  • はじめに：王教師は、タオバオのターゲット広告アルゴリズムを担当する人物です。そのコースは、広告理論から体系的な技術的実践まで、タオバオの広告実践体験を組み合わせており、技術者による学習に非常に値します。
  • インターネット広告の紹介
  • 広告を検索します
  • ターゲット広告
  • リアルタイムの広告入札
  • 広告システムアーキテクチャと課題
• 【UCS-計算広告の紹介
  • はじめにと概要
  • 計算のための情報検索（IR）
  • 市場のデザイン
  • 機械学習技術
  • スポンサー付き検索i
  • スポンサー付き検索II
  • グラフィカル広告と配信保証
  • コンテキスト広告i
  • コンテキスト広告II
  • 行動ターゲティング（BT）

4。論文の検索と研究のメモを促進します

• 【NLP研究ノート】
  • 【トランス】
    • compication効率的な変圧器について：調査】知らないこと
  • 【バートモデル圧縮】
    • celf自己トレーニングについて +トレーニング前=より良い自然言語理解モデル】あなたが知らないこと
    • textcnnへのバートについて】知らないこと
  • 【名前付きエンティティ認識】
    • biafiadedネストされたエンティティ認識についてのビアフィン】知らないこと
    • ビアフィンによる紙
    • 近年の指名されたエンティティ認識のPapershapeのインベントリ
    • ner nerの継続的な学習については、あなたが知らないこと
  • 【関係抽出】
    • hbt HBT関係抽出については、あなたが知らないこと
    • 最初から、関係抽出
    • 最初から、関係抽出 - リモート監督攻撃
  • [ドキュメントレベルの関係抽出]
    • atlopについては、あなたが知らないことについて
    • 紙の概要|。
    • 紙の概要|。
  • 【テキストマッチ】
    • 【文について - あなたが知らないこと
    • Facebook：FAISS原則 +検索ライブラリの適用には何百万ものベクターの類似性があります
    • 新しい文ベクトルソリューションCOSENT実用的なレコード
  • 【ステータスチェーンリファレンス】
    • genergen genout obleあなたが知らないこと
  • 【テキストエラー修正】
    • GECTORについて】知らないこと
  • 【Q＆Aロボット】
    • シーンベースと検索ベースのQ＆Aロボットを共有するトピックシェア
  • 【ダイアログシステム】
    • 「【コミュニティは言っています。RASA3.0について話しましょう」不完全なメモ
    • （i）ダイアログロボットの概要
    • （ii）RASAオープンソースエンジンの紹介
    • （iii）Rasa NLU言語モデル
    • （iv）rasa nlu word segmenter
    • （v）Rasa NLU機能ジェネレーター
    • （vi）Rasa NLU Intent分類器
    • （vii）Rasa NLUエンティティ抽出器
    • （9）RASAカスタムパイプラインコンポーネント
    • （10）RASAコアポリシー
    • （11）RASAコアアクション
    • （12）RASAドメイン
    • （13）RASAトレーニングデータ
    • （14）ラサの物語
    • （15）RASAルール
    • （16）RASAのベストプラクティス
    • （17）RASAに基づいて中国のロボットを開始します
    • （18）RASAに基づいた中国のロボット実装メカニズムを開始
    • （19）知識グラフ（KBQA）に基づく質問と回答システム
    • （20）読解に基づくQ＆Aシステム
    • ダイエット：二重意図とエンティティトランス - - Rasa Paper翻訳
    • （21）RASAアプリケーションのFAQ
    • （22）RASAのハイパーパラメーター最適化
    • （23）ロボットのテストと評価
    • （24）RASAフォームを使用してコンテキストダイアログアシスタントを作成します
  • 【kbqa】
    • complex複雑なKBQAについて】知らないこと（パート1）
    • 【複雑なkbqaについて】知らないこと（中国語）
    • 【複雑なkbqaについて】知らないこと（パート2）
  • 【イベント抽出】
    • mlbinetについては、あなたが知らないこと
  • 【プロンプトチューニング】
    • 迅速なチューニング紹介
  • 【新しい単語の発見】
    • 独自のPTMを作成してください！新しい単語マイニング +プレトレーニング
  • sqlへのテキスト】
    • SQLへのテキスト？これがベースライン分析です
• 【推奨システム研究ノート】
  • 推奨されるシステムテクノロジー進化の傾向：リコール
  • 推奨されるシステムテクノロジー進化の傾向：並べ替え
  • 推奨されるシステムテクノロジー進化の傾向：再配置
  • 推奨システムはどのように同様のユーザーを見つけますか？
  • 1万語の長い記事では、対話の推奨システムの論理と進化を詳述しています
  • 推奨システムにおけるモデル適応の関連技術の概要
• 【GCN研究ノート】
  • nlp nlpのGCNについて】知らないこと
• [広告論文とデータリストGithub Repoを計算する]
  • 3つの主要な視点、私の目の中の広告システムについて話してください
• [推奨されるシステムペーパーとデータリストGithub Repo]
• 【検索エンジン】
  • baidu検索でのWebスケール検索のためのPLMについて
  • EMNLP 2021 |。

5。検索記事を宣伝します

• 【NLP汎用性と多目的】
  • 【機械学習】
    • ruliing正規化について】あなたが知らないこと
    • about最適化アルゴリズムについては、あなたが知らないこと
    • batchnorm vs layernormについては、あなたが知らないこと
    • sormuls正規化について】知らないこと
    • hoverき装着と装着について】知らないこと
  • 【深い学習】
    • cnnについては、あなたが知らないことについて
    • 【注意について】あなたが知らないこと
    • transformerについて】知らないこと（パート1）
    • transformerについて】知らないこと（中国語）
    • transformerについて】知らないこと（パート2）
  • 【NLPタスク】
    • 【前モデル】
      • tf-idfについて】知らないこと
      • word2vecについては、あなたが知らないことについて
      • fasttextについては、あなたが知らないことについて
      • elmoについては、あなたが知らないことについて
      • bertbertについて知らないこと（パート1）
      • bertbertについて知らないこと（パート2）
      • bert bertソースコード分析について私はメインボディ】知らないこと
      • bert Bert Sourceコード分析についてIIトレーニング前の章】知らないこと
      • bert bertソースコード分析についてiii微調整章】知らないこと
      • [Bert Source Code Analysis IV文のベクトル生成記事]あなたが知らないこと
      • Bertの大きさについて、より洗練されたシーケンス】知らないこと（i）
      • Bertの大きさについて、より洗練されたシーケンス】知らないこと（ii）
      • Bertの大きさについて、より洗練されたシーケンス】知らないこと（iii）
    • 【新しい単語の発見】
      • bully新しい単語の発見について】知らないこと
    • 【キーワード抽出】
      • Keywordキーワード抽出については、知らないこと
      • Keybertについて】知らないこと
• clow様の推奨システムすべての側面】
• つづく

6。フレームワーク

6.1 Pytorch Learning

• pytorch英語版公式マニュアルhttps://pytorch.org/tutorials/
  • はじめに：pytorch英語版公式マニュアル：https：//pytorch.org/tutorials/。英語の良い学生には、このPytorchの公式文書を強くお勧めします。このドキュメントでは、Pytorchを使用して深いニューラルネットワークを構築する方法、Pytorch構文、および高品質のケースの基本について詳しく説明しています。
• [Pytorch中国の公式文書] https://pytorch-cn.readthedocs.io/zh/latest/
  • はじめに：Pytorch中国の公式文書：https：//pytorch-cn.readthedocs.io/zh/latest/。上記の英語のドキュメントを読むのが難しいかどうかは問題ではありません。
• [実用的なアルゴリズムのPytorchコードチュートリアル] https://github.com/yunjey/pytorch-tutorial
  • はじめに：これは、githubの高い星を持っているpytorchコードチュートリアルです。このドキュメントを読む前に、上記の2つの基本的なPytorchチュートリアルを学ぶことをお勧めします。
• pytorchオープンソースブック】https://github.com/zergtant/pytorchハンドブック
  • はじめに：オープンソースブックの紹介：https：//github.com/zergtant/pytorchハンドブック。これは、深い学習開発と研究のためにPytorchを使用し、使用したい人を支援することを目標とするオープンソースの本です。ただし、このドキュメントはそれほど完全ではなく、まだ更新されています。
• ["Hand-on Deep Learning" Pytorch] http://tangshusen.me/dive-into-dl-pytorch/#/
• pytorchモデルトレーニングに関する実用的なチュートリアル】https://github.com/km1994/pytorch_tutorial
• pytorch Advanced nlp実践compracts https://github.com/km1994/nlp_pytorch_project
• ARK-NLP NLPツールライブラリ】https://github.com/xiankking/ark-nlp
  • はじめに：Wang Xiangのオープンソースアーセナルは、主に学者や仕事で一般的に使用されるNLPモデルを収集および再現するために使用されます。

6.2 Tensorflow学習

• tensorflow公式ウェブサイト】https://www.tensorflow.org/tutorials
  • はじめに：公式ウェブサイトのチュートリアルは間違いなく最も香ばしい学習資料です
• tensorflowの例
  • はじめに：初心者向けのTensorflowチュートリアルとコードの例：https：//github.com/aymericdamien/tensorflow-examples。このチュートリアルは、いくつかの古典的なデータセットを提供するだけでなく、最もシンプルな「Hello World」を実装し、機械学習のための古典的なアルゴリズム、および一般的なネットワークに使用されるモデルにもなります。
• tensorflowチュートリアル】https://github.com/pkmital/tensorflow_tutorials
  • はじめに：Tensorflowの基本から興味深いプロジェクトアプリケーションまで：https：//github.com/pkmital/tensorflow_tutorials。また、インストールからプロジェクトプラクティスまで、初心者向けのチュートリアルでもあり、独自のニューラルネットワークを構築することをお勧めします。
• Jupyterノートブックを使用したTensorflowチュートリアル】https://github.com/sjchoi86/tensorflow-101
  • はじめに：Jupyterノートブックを使用してPythonで書かれたTensorFlowチュートリアル：https：//github.com/sjchoi86/tensorflow-101。このチュートリアルは、Jupyter Notebook開発環境に基づくTensorflowチュートリアルです。
• tensorflow_exercises https://github.com/terryum/tensorflow_exercises
  • はじめに：Tensorflowコード演習：https：//github.com/terryum/tensorflow_exercises。簡単から難しいものから困難なものまでのTensorflowコード演習マニュアル。 Tensorflowを研究する友人に非常に適しています。
• bert下流タスクでのBertとAlbertの適用】https://github.com/km1994/bert-for-task
  • はじめに：NLPタスクでのBertの実装

6.3ケラス学習

• bert4keras https://github.com/bojone/bert4keras
  • はじめに：SushenのオープンソースArsenalは、変圧器モデルライブラリのKerasバージョンの再実装バージョンであり、トランスとケラスと可能な限りのさわやかなコードを組み合わせることに取り組んでいます。

6.4分散トレーニングフレームワークの学習

• 最初のカテゴリ：ディープラーニングフレームワークに伴う分散トレーニング機能。など：Tensorflow、Pytorch、MindSpore、OneFlow、PaddlePaddleなど。
• 2番目のカテゴリ：分散トレーニングを実行するための既存のディープラーニングフレームワーク（Pytorch、Flaxなど）に基づくスケーリングと最適化。など：Megatron-LM（テンソル平行）、ディープスピード（ゼロDP）、Colossal-AI（2D、2.5D、3D、3Dなどの高次元モデル並列症）、ALPA（自動並列系）など。

7。競争

5.1国内競争

• [iflytek開発者競争] http://challenge.xfyun.cn/
• 【ali tianchi
• 【biendata https://www.biendata.xyz/
• 【データファウンテン】https://www.datafountain.cn/
• 【バイドゥパドルパドル】https://aistudio.baidu.com/

5.2競争の公式アカウント

• mapo豆腐ai】
  • はじめに：参加できる最近のイベントを紹介します

5.3 NLPコンペティションアーセナル

• [NLPアーセナルツールライブラリ] https://github.com/tingfree/nlper-arsenal
  • はじめに：主にNLP競争戦略の実装、さまざまなタスクチュートリアル、経験の投稿、学習資料、会議時間が含まれているNLP Arsenal。
• chip2021-task3-Openソースソリューション臨床観点から標準化されたタスクのソースソリューション
  • GitHubソースコード
  • 評価Webサイト：http：//cips-chip.org.cn/2021/eval3
  • すべてのコードは、オープンソースARK-NLP実装に基づいています。 CHIP2021の臨床用語標準化タスクのリストはないため、コードのデバッグは、Tianchiの中国の医療情報処理データセットであるCBLUEの臨床用語標準化タスクで完了します。
  • ARK-NLPアドレス：https：//github.com/xiangking/ark-nlp
  • 中国の医療情報処理データセットCBLUE：https：//tianchi.aliyun.com/dataset/datadetail?dataid=95414
• [CHIP2021医療対話臨床発見陰陽差別タスクチャンピオンオープンソース計画]
  • GitHubソースコード
  • 名前：CBLUE：中国の生物医学言語理解評価ベンチマーク
  • 評価タスク：CBLUE 1.0は、CHIP会議の以前のアカデミック評価競争のデータセットと、医療テキスト情報抽出（エンティティ認識、関係抽出）、医療用語の正規化、医療テキスト分類、医療文学関係の判断、医療QAの合計8サブタスクを含む、Ali Quark Medical Search Businessのデータセットで構成されています。
  • タスクタイプ：テキスト分類、テキストの類似性、名前付きエンティティ認識、関係抽出、用語標準化（コンテキストなしでタスクをリンクするエンティティと見なすことができます）
  • 評価リンク：https：//tianchi.aliyun.com/dataset/datadetail?dataid=95414
• cblue-ali tianchi中国の医療NLPランキングベースライン】https://github.com/dataark/cblue-baseline
• [Shandong Big Data Competition-Grid Event Intelligent Classification Baseline] https://github.com/xiangking/shandongdatacompetition2021-grid-events-classification-baseline
  • 評価タスク：グリッドイベントデータに基づいて、グリッド内のイベントコンテンツを抽出および分析し、イベントのカテゴリを分割し、イベントが属する政府のタイプを分割します。
  • タスクタイプ：テキスト分類
  • 評価リンク：http：//data.sd.gov.cn/cmpt/cmptdetail.html?id=67

8。コーパス

8.1 NLP材料

• 【nlp_chinese_corpushttps://github.com/brightmart/nlp_chinese_corpus
  • はじめに：NLPの大規模中国のコーパス

8.2推奨システムの引用

• 【Movielens
  • はじめに：Movielens Datasetは、ミネソタ大学のGrouplens Research Groupによって編成されました（データセットの使用とは関係ありません）。 Movielensは、さまざまなサイズの映画評価のコレクションです。 データセットには、1、10、および200,000の評価が含まれているため、1m、10m、および20mという名前が付けられています。 最大のデータセットでは、約140,000人のユーザーからのデータを使用し、27,000枚の映画をカバーしています。 評価に加えて、Movielensのデータには、「西部」に類似したジャンル情報と、「上」や「アーノルドシュワルツェネッガー」などのユーザーアプリケーションのタグも含まれています。 これらのジャンルタグとラベルは、コンテンツベクトルの構築に役立ちます。コンテンツベクトルは、色、形状、ジャンル、またはその他の属性などのアイテムの情報を実際にエンコードします。これは、コンテンツベースの推奨アルゴリズムのあらゆる形式です。
• 【ブッククロスリング】
  • はじめに：book-crossingsは、http：//bookcrossing.comのデータに基づいて、Cai-nicolas Zieglerによって書かれた本の評価データセットです。 90,000人のユーザーからの270,000冊の本の110万件の評価が含まれています。スコアは1〜10の範囲で、暗黙のスコアも含まれます。
• 【last.fm
  • はじめに：last.fmは、音楽の推奨事項のデータセットを提供します。 データセットの各ユーザーに、最も人気のあるアーティストのリストとプレイ数を含めます。また、コンテンツベクトルの構築に使用できるユーザーアプリケーションタグも含まれています。
• 【出会い系代理店】（http://www2.informatik.uni-freiburg.de/~cziegler/bx/）
  • はじめに：このデータセットには、2006年4月4日にエクスポートされる135,359のLibimSetiユーザーによる168,791の構成ファイルの17,359,346の匿名評価が含まれています。
• その他：https：//zhuanlan.zhihu.com/p/258566760

8.3ラベリングツール

• エンティティリレーションシップアノテーターが見つからないことをまだ心配していますか？
• https://labelstud.io/
• ドッカノ

9。公式アカウントの章

• NLPについて知らないこと
  • はじめに：NLPについて知らないこと
• CSの謙虚な部屋
  • はじめに：Char SIUのボスの経験を共有することに関する投稿。
• Dataark
  • はじめに：Dataarkはデータ駆動型でオープンソース共有指向であり、データマイニング、アルゴリズムの革新、実用的なツールの開発に取り組んでいます。
• インテリジェントな推奨システム
  • はじめに：インテリジェントな推奨システムに焦点を当てて、最新かつ最も包括的な推奨に関連するアルゴリズムと業界アプリケーションの共有を共有します。
• datafuntalk
  • はじめに：ビッグデータと人工知能技術アプリケーションの共有と通信に焦点を当てています。何百万人ものデータサイエンティストを達成することにコミットしました。定期组织技术分享直播，并整理大数据、推荐/搜索算法、广告算法、NLP自然语言处理算法、智能风控、自动驾驶、机器学习/深度学习等技术应用文章。
• RUC Al Box
  • 介绍：本公众号主要关注使用人工智能技术来解决自然语言处理与社交媒体数据挖掘的研究内容。分享Al前沿，解读热点论文。
• NewBeeNLP
  • 介绍：会介绍很多NLP 优秀笔记
• 开放知识图谱
  • 介绍：openKG:开放促进互联、链接创造价值
• WeData365
  • 介绍：学习【搜索引擎】 的小伙伴一定要关注，因为有很多【搜索引擎】 干货分享
• 科学空间
  • 介绍：苏神的公众号，每周四苏神都会开源他的研究笔记。
• 老刘说NLP
  • 介绍：360人工智能研究院大佬刘焕勇刘大佬的公众号，定期发布语言资源、工程实践、技术总结等内容。
• 数据拾光者
  • 介绍：学习【广告】 的小伙伴一定要关注，因为有很多【广告】 干货分享
• 泛函的范
  • 介绍：鹅厂大佬的学习笔记分享
• 计算广告那些事
  • 介绍：学习【广告】 的小伙伴一定要关注，因为有很多【广告】 干货分享
• 药老算法
  • 介绍：学习【搜索引擎】 的小伙伴一定要关注，因为有很多【搜索引擎】 干货分享
• 机器学习算法与自然语言处理
  • 介绍：一个有情怀的公众号。机器学习、自然语言处理、算法等知识集中营、期待与你相遇~
• 王喆的机器学习笔记
  • 介绍：推荐系统，计算广告，机器学习领域前沿进展
• AINLP
  • 介绍：关注AI、NLP、机器学习、推荐系统、计算广告等相关技术。公众号可直接对话双语聊天机器人，尝试自动对联、作诗机、藏头诗生成器，调戏夸夸机器人、彩虹屁生成器，使用中英翻译，查询相似词，测试NLP相关工具包。
• 李rumor
  • 介绍：李rumor 小姐姐的学习笔记分享
• 夕小瑶的卖萌屋
  • 介绍：自然语言处理、计算机视觉、信息检索、推荐系统、机器学习

十、学习笔记

• 科学空间：
  • 地址：https://spaces.ac.cn/
  • 介绍：苏神经验学习笔记分享
• 魔法学院的Chilia
  • 地址：https://www.zhihu.com/people/wang-zi-han-81-18/posts
  • 方向：推荐系统| 广告| 搜索| NLP
• 水哥
  • 地址：https://www.zhihu.com/people/shui-ge-99
  • 方向：推荐系统
• JayJay
  • 地址：https://www.zhihu.com/people/lou-jie-9
• 我想了很多事
  • 地址：https://www.zhihu.com/people/yuan-chao-yi-83

十一、部署笔记

• Bert与TensorRT部署手册，享受丝滑的顺畅

参照してください

1. 关于大模型实践的一些总结