grafy123 / awesomenlp

【NLP菜鸟逆袭】分享 自然语言处理（文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等）等 实战与经验。

NLP菜鸟逆袭记

• LLMs 千面郎君：https://github.com/km1994/LLMs_interview_notes
  • 介绍：该仓库主要记录 大模型（LLMs） 算法工程师相关的面试题
• LLMs九层妖塔：https://github.com/km1994/LLMsNineStoryDemonTower
  • 介绍：【LLMs九层妖塔】分享 LLMs在自然语言处理（ChatGLM、Chinese-LLaMA-Alpaca、小羊驼 Vicuna、LLaMA、GPT4ALL等）、信息检索（langchain）、语言合成、语言识别、多模态等领域（Stable Diffusion、MiniGPT-4、VisualGLM-6B、Ziya-Visual等）等 实战与经验。
• NLP菜鸟逆袭记：https://github.com/km1994/AwesomeNLP
  • 介绍：【NLP菜鸟逆袭】分享 自然语言处理（文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等）等 实战与经验。
• NLP 面无不过：https://github.com/km1994/NLP-Interview-Notes
  • 介绍：该仓库主要记录 NLP 算法工程师相关的面试题
• 【关于 NLP】 那些你不知道的事：https://github.com/km1994/nlp_paper_study
  • 介绍：该仓库主要记录 NLP 算法工程师相关的顶会论文研读笔记

梳理 NLP基础任务（文本分类、命名实体识别、关系抽取、事件抽取、文本摘要、文本生成、Prompt）和 LLMs 大模型等开源项目，争取做成一个全网最全NLP小白入门教程！

• NLP菜鸟逆袭记
  • 一、文本分类
    • 1.1 多类别文本分类
    • 1.2 多标签文本分类
    • 1.3 方面级情感识别
    • 1.4 文本匹配
  • 二、信息抽取
    • 2.1 命名实体识别
    • 2.2 关系抽取
    • 2.3 事件抽取
    • 2.4 属性抽取
    • 2.5 关键词抽取
    • 2.6 新词发现
  • 三、知识图谱
    • 3.1 知识图谱
    • 3.2 实体链指
    • 3.3 知识图谱补全
    • 3.4 neo4j
  • 四、机器翻译
  • 五、问答系统
    • 5.1 阅读理解
    • 5.2 检索式问答
    • 5.3 基于知识图谱问答
    • 5.4 基于知识图谱问答
  • 六、文本生成
  • 七、Text-to-SQL
  • 八、文本纠错
  • 九、文本挖掘
  • 十、知识蒸馏
  • 十一、模型加速
    • 11.1 CTranslate2
    • 11.2 optimum
  • 十二、OCR
    • 12.1 pytesseract
    • 12.2 hn_ocr
    • 12.3 PaddleOCR
  • 十三、TTS
    • 13.1 pyttsx3
    • 13.2 PaddleSpeech
    • 13.3 tensorflow_tts
    • 13.4 KAN_TTS
  • 十四、Prompt
  • 十五、embedding
  • NLP 神器

一、文本分类

1.1 多类别文本分类

• NLP菜鸟逆袭记——【多类别文本分类】笔记
• 多类别文本分类 实战篇
  • NLP菜鸟逆袭记——【多类别文本分类】实战
    • 非预训练类模型
      • FastText
      • TextCNN
      • TextRNN
      • TextRCNN
      • Transformer
    • 预训练类模型
      • Bert
      • Albert
      • Roberta
      • Distilbert
      • Electra

1.2 多标签文本分类

• NLP菜鸟逆袭记——【多标签文本分类】笔记
• 多标签文本分类 实战篇
  • NLP菜鸟逆袭记——【基于 Bert 中文多标签分类】实战
  • NLP菜鸟逆袭记——【剧本角色情感 中文多标签分类】实战

1.3 方面级情感识别

• NLP菜鸟逆袭记——【基于方面的情感分析(ABSA)】理论
• 基于方面的情感分析(ABSA) 实战篇
  • NLP菜鸟逆袭记——【基于 Bert 中文方面级情感识别】实战

1.4 文本匹配

• NLP菜鸟逆袭记——【文本匹配】理论
• 文本匹配 实战篇
  • NLP菜鸟逆袭记——【文本匹配】实战

二、信息抽取

2.1 命名实体识别

• 命名实体识别 理论篇
  • NLP菜鸟逆袭记——【HMM->MEMM->CRF】实战
  • DNN-CRF 理论篇
• 命名实体识别 实战篇
  • NLP菜鸟逆袭记——【Bert-CRF】实战
  • NLP菜鸟逆袭记——【Bert-Softmax】实战
  • NLP菜鸟逆袭记——【Bert-Span】实战
  • NLP菜鸟逆袭记——【MRC for Flat Nested NER：一种基于机器阅读理解的命名实体识别】实战
  • NLP菜鸟逆袭记——【Biaffine NER：一种基于双仿射注意力机制的命名实体识别】实战
  • NLP菜鸟逆袭记——【Multi Head Selection Ner： 一种基于多头选择的命名实体识别】实战
  • NLP菜鸟逆袭记——【one vs rest NER： 一种基于one vs rest的命名实体识别】实战
  • NLP菜鸟逆袭记——【GlobalPointer：一种基于span分类的解码方法】实战
  • NLP菜鸟逆袭记——【W2NER：一种统一的命名实体识别词与词的的命名实体识别】实战

2.2 关系抽取

• NLP菜鸟逆袭记——【关系抽取（分类）】理论
• 关系抽取 实战篇
  • NLP菜鸟逆袭记——【BERT-RE：一种基于 Bert 的 Pipeline 实体关系抽取】实践
  • NLP菜鸟逆袭记——【Casrel Triple Extraction：一种基于 CasRel 的 三元组抽取】实践
  • NLP菜鸟逆袭记——【GPLinker：一种基于 GPLinker的 三元组抽取】实践

2.3 事件抽取

• 事件抽取 理论篇
• 事件抽取 实战篇
  • NLP菜鸟逆袭记——【BERT Event Extraction：一种基于 Bert 的 Pipeline 事件抽取】实践
  • NLP菜鸟逆袭记——【BERT MRC Event Extraction：一种基于 MRC 的 事件抽取】实践

2.4 属性抽取

• NLP菜鸟逆袭记——【属性抽取（Attribute Extraction）】理论
• 属性抽取 实战篇
  • NLP菜鸟逆袭记——【一种基于 albert 的中文属性抽取 —— Albert for Attribute Extraction】实践

2.5 关键词抽取

• 【NLP菜鸟逆袭记—【关键词提取】理论
• 关键词抽取 实战篇

2.6 新词发现

• NLP菜鸟逆袭记—【新词发现】理论
• 新词发现 实战篇

三、知识图谱

3.1 知识图谱

• 【NLP菜鸟逆袭记—【知识图谱】理论
• 知识图谱 实战篇
  • NLP菜鸟逆袭记—【基于金融知识图谱的知识计算引擎构建】实战
  • NLP菜鸟逆袭记—【基于金融知识图谱的问答系统】实战

3.2 实体链指

• 【NLP菜鸟逆袭记—【实体链指】理论
• 实体链指 实战篇

3.3 知识图谱补全

• 【NLP菜鸟逆袭记—【知识图谱补全】理论
• 知识图谱补全 实战篇

3.4 neo4j

• 【NLP菜鸟逆袭记—【Neo4j】实战

四、机器翻译

• NLP菜鸟逆袭记—【机器翻译】理论
• 机器翻译 实战篇
  • NLP菜鸟逆袭记—【seq2seq_english_to_chinese 一种结合 seq2seq 的 文本翻译】理论

五、问答系统

• NLP菜鸟逆袭记—【智能问答技术】理论

5.1 阅读理解

• NLP菜鸟逆袭记—【机器阅读理解】理论
• 阅读理解 实战篇
  • NLP菜鸟逆袭记—【基于QANet的中文阅读理解】实战

5.2 检索式问答

• NLP菜鸟逆袭记—【FAQ 检索式问答系统】理论
• 检索式问答 实战篇
  • NLP菜鸟逆袭记—【Faiss】实践
  • NLP菜鸟逆袭记—【milvus】理论

5.3 基于知识图谱问答

• NLP菜鸟逆袭记—【KBQA】理论
• 基于知识图谱问答 实战篇
  • NLP菜鸟逆袭记—【基于金融知识图谱的知识计算引擎构建】实战
  • NLP菜鸟逆袭记—【基于金融知识图谱的问答系统】实战

5.4 基于知识图谱问答

• NLP菜鸟逆袭记—【对话系统】理论
• 对话系统 实战篇

六、文本生成

• NLP菜鸟逆袭记—【自然语言生成】理论
• 文本生成 实战篇
  • NLP菜鸟逆袭记—【Bert_Unilm】实践
  • NLP菜鸟逆袭记—【T5_Pegasus】实践

七、Text-to-SQL

• NLP菜鸟逆袭记—【Text-to-SQL】理论
• Text-to-SQL 实战篇

八、文本纠错

• NLP菜鸟逆袭记—【文本纠错】理论
• 文本纠错 实战篇
  • NLP菜鸟逆袭记—【一种结合 Bert 的 中文拼写检查】实战
  • NLP菜鸟逆袭记—【CSC 一种结合 Soft-Masked Bert 的 中文拼写检查】实战

九、文本挖掘

• NLP菜鸟逆袭记—【文本挖掘】理论
• 文本挖掘 实战篇

十、知识蒸馏

• NLP菜鸟逆袭记—【Bert 压缩】理论
  • NLP菜鸟逆袭记【FastBERT】理论
• 知识蒸馏 实战篇
  • NLP菜鸟逆袭记【Distilling Task-Specific from BERT into SNN】实战
  • NLP菜鸟逆袭记【FastBERT】实战

十一、模型加速

11.1 CTranslate2

• NLP菜鸟逆袭记—【模型加速 —— CTranslate2】理论

11.2 optimum

• NLP菜鸟逆袭记—【模型加速 —— Optimum】理论

十二、OCR

• NLP菜鸟逆袭记—【OCR】理论

12.1 pytesseract

• NLP菜鸟逆袭记—【OCR —— tesseract】理论

12.2 hn_ocr

• NLP菜鸟逆袭记—【OCR —— hn_ocr】理论

12.3 PaddleOCR

• NLP菜鸟逆袭记—【OCR —— PaddleOCR】理论

十三、TTS

• NLP菜鸟逆袭记—【文本语音合成 TTS】理论

13.1 pyttsx3

• NLP菜鸟逆袭记—【文本语音合成 —— pyttsx3】实战

13.2 PaddleSpeech

• PaddleSpeech 理论篇

13.3 tensorflow_tts

• NLP菜鸟逆袭记—【文本语音合成 —— tensorflow_tts】实战

13.4 KAN_TTS

• NLP菜鸟逆袭记—【文本语音合成 —— KAN-TTS】实战

十四、Prompt

• NLP菜鸟逆袭记—【Prompt】实战
• Prompt 实战篇
  • NLP菜鸟逆袭记—【PromptCLUE】实战

十五、embedding

• NLP菜鸟逆袭记—【Embeddings】理论
• embedding 实战篇
  • NLP菜鸟逆袭记—【sbert】实战
  • NLP菜鸟逆袭记—【text2vec】实战
  • NLP菜鸟逆袭记—【SGPT:基于GPT的生成式embedding】实战
  • NLP菜鸟逆袭记—【BGE —— 智源开源最强语义向量模型】实战
  • NLP菜鸟逆袭记—【M3E：一种大规模混合embedding】实战

NLP 神器

• chaizi：一种 汉语拆字词典 神器
• cn2an：一种中文数字与阿拉伯数字的相互转换神器
• cocoNLP：一种 人名、地址、邮箱、手机号、手机归属地 等信息的抽取，rake短语抽取算法
• difflib.SequenceMatcher：一种 文本查重 神器
• Entity_Emotion_Express：一种 词汇情感值 神器
• jieba_fast：一种 中文分词 神器
• JioNLP：一种 中文 NLP 预处理 神器
• ngender：一种 根据名字判断性别 神器
• pdfplumber：一种 pdf 内容解析神器
• phone：一种 **手机归属地查询 神器
• PrettyTable：一种 生成美观的ASCII格式的表格 神器
• Pypinyin：一种汉字转拼音神器
• Rank-BM25：一种 基于bm25算法 神器
• schedule ：一种 最全的Python定时任务神器
• similarity：一种 相似度计算 神器
• SnowNLP：一种 中文文本预处理 神器
• Synonyms：一种中文近义词 神器
• textfilter：一种 中英文敏感词过滤 神器
• 一种 中文缩写库 神器