หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

อัปเดตอย่างต่อเนื่อง สมัครสมาชิกอย่าพลาดอะไรเลย

  • สำหรับงาน วิทยาศาสตร์ข้อมูล เต็มรูปแบบวัสดุ ฯลฯ โปรดตรวจสอบที่เก็บข้อมูลวิทยาศาสตร์
  • สำหรับอัลกอริทึม การเรียนรู้ของเครื่อง โปรดตรวจสอบที่เก็บการเรียนรู้ของเครื่อง
  • สำหรับอัลกอริทึม การเรียนรู้อย่างลึกซึ้ง โปรดตรวจสอบที่เก็บข้อมูลการเรียนรู้อย่างลึกซึ้ง
  • สำหรับ วิสัยทัศน์คอมพิวเตอร์ โปรดตรวจสอบที่เก็บคอมพิวเตอร์วิสัยทัศน์
  • NLP-Progress-ที่เก็บเพื่อติดตามความคืบหน้าในการประมวลผลภาษาธรรมชาติ (NLP) รวมถึงชุดข้อมูลและสถานะปัจจุบันของงานปัจจุบันสำหรับงาน NLP ที่พบบ่อยที่สุด
    • การติดตามความคืบหน้าในการประมวลผลภาษาธรรมชาติ

- งานการประมวลผลภาษาธรรมชาติ

โฟลเดอร์ที่มีวัสดุทั้งหมดสำหรับงานเฉพาะ/โดเมน

  • การวิเคราะห์ข้อมูล
  • กราฟความรู้
  • โมเดลและอัลกอริทึม
  • อภิปรัชญา
  • ระบบตอบคำถาม
  • เครื่องมือค้นหา
  • การวิเคราะห์ความเชื่อมั่น
  • การแยกวิเคราะห์วาทกรรมตื้น
  • การจำแนกข้อความ
  • การสร้างแบบจำลองหัวข้อ
  • การฝังคำ

- หลักสูตร

  • การประมวลผลภาษาธรรมชาติ - มหาวิทยาลัยสแตนฟอร์ด | Dan Jurafsky, Christopher
  • การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้อย่างลึกซึ้ง (Stanford CS224N)
    • เว็บไซต์หลักสูตร
    • Stanford CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้ลึก | ฤดูหนาวปี 2021
    • การประมวลผลภาษาธรรมชาติกับ Dan Jurafsky และ Chris Manning, 2012 Stanford Online

    เทคนิค NLP ที่ทันสมัยจากเครือข่ายประสาทที่เกิดขึ้นซ้ำและการฝังคำไปจนถึงหม้อแปลงและความต้องการตนเอง ครอบคลุมหัวข้อที่ใช้เช่นการตอบคำถามและการสร้างข้อความ

  • Stanford CS224U: ความเข้าใจภาษาธรรมชาติ | ฤดูใบไม้ผลิ 2019
  • การประมวลผลภาษาธรรมชาติ มหาวิทยาลัยมิชิแกน
  • การแนะนำรหัสก่อนเข้าสู่หลักสูตร NLP โดย fast.ai
  • จากภาษาสู่ข้อมูลโดยมหาวิทยาลัยสแตนฟอร์ด
  • การเรียนรู้อย่างลึกซึ้งสำหรับการประมวลผลภาษาธรรมชาติโดย University of Oxford
  • การประมวลผลภาษาธรรมชาติโดยมหาวิทยาลัยวอชิงตัน
  • การประมวลผลภาษาธรรมชาติโดย Yandex Data School
    • หลักสูตร NLP | สำหรับคุณ

    นี่คือส่วนขยายของหลักสูตรการประมวลผลภาษาธรรมชาติ (ML สำหรับ) ที่สอนได้ที่ Yandex School of Data Analysis (YSDA) สำหรับตอนนี้มีเพียงบางส่วนของหัวข้อที่น่าจะครอบคลุมที่นี่

  • การประมวลผลภาษาธรรมชาติโดยมหาวิทยาลัยวิจัยแห่งชาติโรงเรียนเศรษฐศาสตร์ (ผ่าน Coursera)
  • การประมวลผลภาษาธรรมชาติที่ใช้โดย UC Berkeley
  • วิธีการขั้นสูงในการประมวลผลภาษาธรรมชาติโดยมหาวิทยาลัยเทลอาวีฟ
  • การดึงข้อความและเครื่องมือค้นหา [หลักสูตรเต็ม] | uiuc

    หลักสูตรนี้จะครอบคลุมเทคโนโลยีเครื่องมือค้นหาซึ่งมีบทบาทสำคัญในแอปพลิเคชันการขุดข้อมูลใด ๆ ที่เกี่ยวข้องกับข้อมูลข้อความด้วยเหตุผลสองประการ ครั้งแรกในขณะที่ข้อมูลดิบอาจมีขนาดใหญ่สำหรับปัญหาใด ๆ แต่มักจะเป็นชุดย่อยที่ค่อนข้างเล็กของข้อมูลที่เกี่ยวข้องและเครื่องมือค้นหาเป็นเครื่องมือสำคัญสำหรับการค้นพบข้อมูลข้อความที่เกี่ยวข้องขนาดเล็กในการรวบรวมข้อความขนาดใหญ่อย่างรวดเร็ว ประการที่สองเครื่องมือค้นหามีความจำเป็นเพื่อช่วยให้นักวิเคราะห์ตีความรูปแบบใด ๆ ที่ค้นพบในข้อมูลโดยอนุญาตให้พวกเขาตรวจสอบข้อมูลข้อความต้นฉบับที่เกี่ยวข้องเพื่อให้เข้าใจถึงรูปแบบที่ค้นพบใด ๆ คุณจะได้เรียนรู้แนวคิดพื้นฐานหลักการและเทคนิคสำคัญในการดึงข้อความซึ่งเป็นวิทยาศาสตร์พื้นฐานของเครื่องมือค้นหา

  • การขุดข้อความและการวิเคราะห์ [หลักสูตรเต็ม] | uiuc
  • ชุดข้อมูลขนาดใหญ่ - มหาวิทยาลัยสแตนฟอร์ด [หลักสูตรเต็ม]
  • Coursera:
    • сециализацияобработкатексค่อนข้าง
    • ข้อความการขุด (анализтекстовойинформациииииититика)
  • LinkedIn Learning:
    • NLP ขั้นสูงพร้อม Python สำหรับการเรียนรู้ของเครื่องจักร
      • โฟลเดอร์พร้อมรหัส
  • матеріалиปฏิปักษ์
  • ได้รับคำแนะนำ NLP ด้วย Spacy
  • Fast.ai Course: การแนะนำรหัสแรกเกี่ยวกับการประมวลผลภาษาธรรมชาติ
    • คำแนะนำรหัสแรกในการประมวลผลภาษาธรรมชาติบน GitHub
  • CS 4650 และ 7650 - วัสดุหลักสูตรสำหรับ Georgia Tech CS 4650 และ 7650, "ภาษาธรรมชาติ"

หนังสือ

  • หนังสือ NLP จำนวนมาก (การประมวลผลภาษาธรรมชาติ)
  • การประมวลผลภาษาธรรมชาติขั้นสูงด้วย TensorFlow 2 เผยแพร่โดย Packt
  • การประมวลผลภาษาธรรมชาติด้วย Python - การวิเคราะห์ข้อความด้วยชุดเครื่องมือภาษาธรรมชาติ, Steven Bird, Ewan Klein และ Edward Loper
  • การประมวลผลคำพูดและภาษา (3rd ed.), Dan Jurafsky และ James H. Martin
  • วิธีการเครือข่ายประสาทสำหรับการประมวลผลภาษาธรรมชาติ
  • การประมวลผลภาษาธรรมชาติด้วย Python - การวิเคราะห์ข้อความด้วยชุดเครื่องมือภาษาธรรมชาติ
    • nltk_book บน gitHub
  • การประมวลผลภาษาธรรมชาติที่ใช้งานได้จริง

    • ที่เก็บอย่างเป็นทางการสำหรับ 'การประมวลผลภาษาธรรมชาติที่ใช้งานได้จริง' โดย O'Reilly Media

  • สมุดบันทึกการประมวลผลภาษาธรรมชาติ

    • มีให้บริการเป็นหนังสือ: NLP ใน Python - GuickStart Guide

- YouTube

ชื่อ คำอธิบาย
ACL ที่ Vimeo
[Stanford CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้อย่างลึกซึ้ง ฤดูหนาว 2021] (https://www.youtube.com/playlist?list=ploromvodv4rosh4v6133s9lfprhjembmj)
การประมวลผลภาษาธรรมชาติ (NLP) เป็นศูนย์เป็นฮีโร่ โดย tensorflow
Zero to Hero: NLP กับ Tensorflow และ Keras (GDG Sofia Meetup)
การประมวลผลภาษาธรรมชาติ เนื้อหานี้ขึ้นอยู่กับคลาสการเรียนรู้ของ Machine Learning University (MLU) คลาสการประมวลผลภาษาธรรมชาติ สไลด์สมุดบันทึกและชุดข้อมูลมีอยู่ใน GitHub

เว็บไซต์

  • การประมวลผลภาษาธรรมชาติบนเอกสารที่มีรหัส
  • บล็อก Chris McCormick
    • Chrismccormickai ช่อง YouTube
  • ดัชนี NLP
  • เซบาสเตียนรูเดอร์

    • ฉันเป็นนักวิทยาศาสตร์การวิจัยที่ Google ฉันบล็อกเกี่ยวกับการประมวลผลภาษาธรรมชาติและการเรียนรู้ของเครื่อง

  • บล็อกวิศวกรรมซอฟต์แวร์

    • รายการบล็อกวิศวกรรมที่รวบรวมไว้

  • การไล่ระดับสี

    • การไล่ระดับสีเป็นองค์กรที่มีภารกิจในการทำให้ทุกคนเรียนรู้เกี่ยวกับ AI และอำนวยความสะดวกในการอภิปรายภายในชุมชน AI เราก่อตั้งขึ้นในปี 2560 โดยกลุ่มนักเรียนและนักวิจัยที่ห้องปฏิบัติการ Stanford AI

- atricles

  • карьеравมัน: NLP Engineer и NLP Researcher

ที่เก็บ GitHub

ชื่อ คำอธิบาย
ตัวอย่างการเรียนรู้ลึกของ NVIDIA สำหรับแกนเทนเซอร์ - การประมวลผลภาษาธรรมชาติ ตัวอย่างการเรียนรู้ลึก
การประมวลผลภาษาธรรมชาติด้วยหม้อแปลงไฟฟ้า สมุดบันทึกและวัสดุสำหรับหนังสือ O'Reilly "การประมวลผลภาษาธรรมชาติด้วย Transformers"
การอ้างอิง NLP ที่ยอดเยี่ยม รายการทรัพยากรที่ได้รับการดูแลจากการกลั่นความรู้ระบบแนะนำโดยเฉพาะการประมวลผลภาษาธรรมชาติ (NLP)
NLP - บทช่วยสอน
บทช่วยสอนภาษาธรรมชาติ
NLP กับ Python Scikit-Learn, NLTK, Spacy, Gensim, TextBlob และอีกมากมาย ...
NLP และ Data Science GitHub สปอตไลท์สปอตไลท์ สปอตไลท์รายวันของที่เก็บข้อมูล NLP และวิทยาศาสตร์ข้อมูล GitHub
NLP 101: แหล่งเก็บทรัพยากรสำหรับการเรียนรู้เชิงลึกและการประมวลผลภาษาธรรมชาติ เอกสารนี้ถูกร่างขึ้นสำหรับผู้ที่มีความกระตือรือร้นในการเรียนรู้อย่างลึกซึ้งในการประมวลผลภาษาธรรมชาติ หากมีคำแนะนำหรือคำแนะนำที่ดีฉันจะพยายามเพิ่มเพิ่มเติม
NLP-Progress ที่เก็บเพื่อติดตามความคืบหน้าในการประมวลผลภาษาธรรมชาติ (NLP) รวมถึงชุดข้อมูลและสถานะปัจจุบันของงานศิลปะสำหรับงาน NLP ที่พบบ่อยที่สุด
กอดใบหน้า repo สาธารณะสำหรับโพสต์บล็อก HF
Allennlp ห้องสมุดวิจัย NLP โอเพนซอร์ซสร้างขึ้นบน Pytorch allenai.org

การประชุม

  • Neurips - ระบบประมวลผลข้อมูลระบบประสาท
  • ACL - ACL Home Association สำหรับภาษาศาสตร์คำนวณ
    • ACL ENTHOLOGY - ปัจจุบันกวีนิพนธ์ ACL เป็นเจ้าภาพ 80890 เอกสารเกี่ยวกับการศึกษาภาษาศาสตร์การคำนวณและการประมวลผลภาษาธรรมชาติ

เครื่องมือ

ไลบรารี NLP เฟรมเวิร์กโมดูล

ชื่อ คำอธิบาย
ชุดเครื่องมือภาษาธรรมชาติ (NLTK) NLTK - ชุดเครื่องมือภาษาธรรมชาติ - เป็นชุดของโมดูล Python โอเพนซอร์สชุดข้อมูลและแบบฝึกหัดที่สนับสนุนการวิจัยและพัฒนาในการประมวลผลภาษาธรรมชาติ
ความสามารถ

    เฟรมเวิร์กที่ง่ายมากสำหรับการประมวลผลภาษาธรรมชาติที่ทันสมัย ​​(NLP)

    ไหวพริบคือ:

  • ห้องสมุด NLP ที่ทรงพลัง Flair ช่วยให้คุณสามารถใช้โมเดลการประมวลผลภาษาธรรมชาติที่ทันสมัย ​​(NLP) ของเรากับข้อความของคุณเช่น การจดจำเอนทิตีที่มีชื่อ (NER) การติดแท็กส่วนหนึ่ง (POS) การสนับสนุนพิเศษสำหรับข้อมูลชีวการแพทย์
  • ไลบรารีการฝังข้อความ Flair มีอินเทอร์เฟซอย่างง่ายที่ช่วยให้คุณใช้และรวมคำและเอกสารที่แตกต่างกันรวมถึงการฝังความสามารถที่เราเสนอ, เบิร์ตฝังและ Elmo Embeddings
  • เฟรมเวิร์ก NLP Pytorch เฟรมเวิร์กของเราสร้างโดยตรงบน Pytorch ทำให้ง่ายต่อการฝึกอบรมแบบจำลองของคุณและทดลองด้วยวิธีการใหม่โดยใช้ Flair Embeddings และคลาส
ความรู้ textacy เป็นไลบรารี Python สำหรับการดำเนินงานการประมวลผลภาษาธรรมชาติ (NLP) ที่หลากหลายซึ่งสร้างขึ้นบนห้องสมุด Spacy ที่มีประสิทธิภาพสูง ด้วยปัจจัยพื้นฐาน --- โทเค็นการติดแท็กส่วนหนึ่งของคำพูดการแยกวิเคราะห์การพึ่งพา ฯลฯ --- มอบหมายไปยังห้องสมุดอื่น textacy จะมุ่งเน้นไปที่งานที่มาก่อนและตามหลัง
Allennlp ห้องสมุดการวิจัย NLP สร้างขึ้นบน Pytorch เพื่อพัฒนารูปแบบการเรียนรู้ที่ลึกล้ำที่ทันสมัยในงานทางภาษาที่หลากหลาย
nlpgym NLPGYM เป็นชุดเครื่องมือในการเชื่อมช่องว่างระหว่างการใช้งานของ RL และ NLP สิ่งนี้มีจุดมุ่งหมายเพื่ออำนวยความสะดวกในการวิจัยและการเปรียบเทียบการประยุกต์ใช้ DRL ในงานการประมวลผลภาษาธรรมชาติ ชุดเครื่องมือให้สภาพแวดล้อมแบบโต้ตอบสำหรับงาน NLP มาตรฐานเช่นการติดแท็กลำดับการตอบคำถามและการจำแนกลำดับ
เครื่องถ่อมตัว

??? บทเรียน

ชื่อ คำอธิบาย
NLP-tutorial

    การสอนการประมวลผลภาษาธรรมชาติสำหรับนักวิจัยการเรียนรู้อย่างลึกซึ้ง

    nlp-tutorial เป็นบทช่วยสอนสำหรับผู้ที่กำลังศึกษา NLP (การประมวลผลภาษาธรรมชาติ) โดยใช้ pytorch โมเดลส่วนใหญ่ใน NLP ถูกนำไปใช้กับรหัสน้อยกว่า 100 บรรทัด (ยกเว้นความคิดเห็นหรือบรรทัดว่าง)

การประมวลผลภาษาธรรมชาติในการสอน Python การเปรียบเทียบนักแสดงตลกยืนขึ้นโดยใช้การประมวลผลภาษาธรรมชาติ

- กระดานผู้นำสำหรับ NLP

  • ExjustAboard: กระดานผู้นำที่อธิบายได้สำหรับ NLP

- สถาปัตยกรรมการเรียนรู้ลึกสำหรับ NLP

  • รู้เบื้องต้นเกี่ยวกับการเรียนรู้อย่างลึกซึ้งสำหรับการประมวลผลภาษาธรรมชาติ
  • สถาปัตยกรรมการเรียนรู้ลึกสำหรับ NLP - Keras, Pytorch และการใช้งาน Numpy ของสถาปัตยกรรมการเรียนรู้ลึกสำหรับ NLP

- 100 เอกสาร NLP ที่ต้องอ่าน

- Sci-Hub (เอกสาร)

- ตารางการสัมมนา Stanford, NLP

- CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้อย่างลึกซึ้ง

- CIS 700-008 - นิยายอินเทอร์แอคทีฟและการสร้างข้อความ

- Harvard NLP

- หม้อแปลงภาพประกอบ

- โครงการ

  • การตรวจจับสแปม
  • เครื่องกำเนิดข้อความ
  • ระบบตอบคำถามโดยใช้โมเดล bidaf บนทีม

ระบบตอบคำถามโดยใช้โมเดล bidaf บนทีม

ดำเนินการเครือข่ายระบบประสาทความสนใจแบบสองทิศทางเป็นพื้นฐานของทีมปรับปรุงการใช้งานแบบจำลองของ Chris Chute เพิ่มอินพุตตัวอักษรคำตามที่อธิบายไว้ในกระดาษต้นฉบับและปรับปรุงรหัสของ Gauthierdmns

  • พื้นที่เก็บข้อมูลโครงการ
  • กระดาษ
  • บทความที่ใช้แล้ว
  • บทความที่มีประโยชน์
  • ลิงค์ที่มีประโยชน์

บทความที่มีประโยชน์

  • การตีความกฎภาษาธรรมชาติในการอ่านเครื่องสนทนา
  • เวกเตอร์ความคิดข้าม

แนวคิดบางอย่าง

  • การตั้งค่า Selectional - (Katz and Fodor, 1963; Wilks, 1975; Resnik, 1993) เป็นแนวโน้มสำหรับคำที่เลือกหรือ จำกัด คำที่ความหมายซึ่งคำอื่น ๆ อาจปรากฏในความสัมพันธ์ทางวากยสัมพันธ์โดยตรงกับมัน "ในกรณี ที่ การเลือกนี้แสดงในคำไบนารี การจัดหมวดหมู่คำกริยา "ด้วยหมวดหมู่ย่อยที่อธิบายถึงข้อโต้แย้งทางวากยสัมพันธ์ที่ใช้โดยคำกริยาและการตั้งค่าการเลือกที่อธิบายคำกริยาการตั้งค่าความหมายมีสำหรับข้อโต้แย้งของพวกเขา" (Van de Cruys et al., 2012)
    • การเลือกเลือกภาษาธรรมชาติทำความเข้าใจวิกิ
  • ข้อ จำกัด การเลือก -
    • ข้อ จำกัด การคัดเลือก Jurafsky
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด