NLP参考资源(四)
source link: http://antkillerfarm.github.io/dl%20&%20nlp%20resource/2018/09/25/NLP_resource_4.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
NLP参考资源
KBQA/DBQA
知识库问答(knowledge base question answering, KB-QA)即给定自然语言问题,通过对问题进行语义理解和解析,进而利用知识库进行查询、推理得出答案。
DBQA是基于文档的问答。换言之,KBQA利用的是结构化的知识,而DBQA所利用的是非结构化的文本。
https://mp.weixin.qq.com/s/GSHk-otPeyGZN5xRNehAyw
KBQA从入门到放弃—入门篇
https://mp.weixin.qq.com/s/-Zz5Cv4QJaRHdBFrGyBuLg
KBQA从入门到放弃-Part 2
https://mp.weixin.qq.com/s/NDsQzT4nktbw1fHLLFUhEQ
KBQA: 基于开放域知识库上的QA系统
https://mp.weixin.qq.com/s/klfTdvfti0xCg2lGitG4hg
用户表示方法对新浪微博中用户属性分类性能影响的研究
https://mp.weixin.qq.com/s/IvbJ_d7z91BCcRVpJ9_jMA
如何用深度学习做自然语言处理?这里有份最佳实践清单
https://mp.weixin.qq.com/s/xYvYEJA0ssAOZ-NvEXQcZg
阿里小蜜这一年,经历了哪些技术变迁?
https://mp.weixin.qq.com/s/rzglhAUJVNsnbyptORH5lg
对话系统原理和实践
https://mp.weixin.qq.com/s/rXIAR37wn2tGMpR8xPdxqw
南洋理工75页最新“深度学习对话系统”大综述论文,最全面概述深度学习对话技术进展
https://mp.weixin.qq.com/s/C0hjVv2YOQw__tvSs8zn1A
OpenAI提出新型神经网络:自动计算词对象,实现实体消岐
https://mp.weixin.qq.com/s/dThV1YtMvYtToJFqgXnEzQ
谷歌大脑提出通过多文档摘要方法生成维基百科,可处理较长序列
https://mp.weixin.qq.com/s/odRDdSNNuTd5LnUf8rfRaw
Google发布语义文本相似度研究新成果:通用语句编码器
https://mp.weixin.qq.com/s/3aipKax9Md4nG8YGrGc4Tg
提高NLP语义解析准确度:融合SQL语法的生成式语义解析模型
https://mp.weixin.qq.com/s/xILU9fJhs64z8nE1-sDnOA
基于递归联合注意力的句子匹配模型
https://mp.weixin.qq.com/s/Dq-H4rUM19MaQb5W2DGlqA
用递归神经网络,撰写一份特朗普式发言稿!
https://mp.weixin.qq.com/s/VCeEz5QhGqQ5TF0lkCk40A
COLING 2018 最佳论文解读:序列标注经典模型复现
https://mp.weixin.qq.com/s/QUbZZokROzxUwy2kZZ7jeA
Hybrid semi-Markov CRF for Neural Sequence Labeling
https://mp.weixin.qq.com/s/wHweI0_LYHaW7K8jEAY74g
文综提分哪家强?上海交大找AI
https://mp.weixin.qq.com/s/yXs_bLSAIPcUOIrvJ9-0Sw
ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
https://mp.weixin.qq.com/s/C7GkZk7UWk_2XsVfn1J_lg
ACL 2018使用知识蒸馏提高基于搜索的结构预测
https://mp.weixin.qq.com/s/kbF8WnaVWf6nOpzvbELpOw
产品评论分析系统
https://mp.weixin.qq.com/s/2NLckUqFrCOwaIamwWFOqQ
基于深度 AND-OR 语法网络的目标识别方法
https://mp.weixin.qq.com/s/IVSoI6QM1uY3JLKMiha9vQ
微软亚洲研究院论文解读:基于动态词表的对话生成研究
https://mp.weixin.qq.com/s/C9UbA0482F8SvB27i-V_9Q
微软亚洲研究院周明:自然语言对话引擎
https://mp.weixin.qq.com/s/M_ZN0YuvegAnc2GXCZTt9Q
初学者指南:神经网络在自然语言处理中的应用
https://mp.weixin.qq.com/s/5DvSVL0CRJTymtXPDvS-0w
基于主题信息的神经网络作文生成模型
https://mp.weixin.qq.com/s/4Tj92Mmj2-zOHfk1Tk167w
白翔:复杂开放场景中的文本理解
https://mp.weixin.qq.com/s/Z4Mv_L68QaG7KfGmA3pBwQ
DeepMind论文解读:让机器更深入地理解文本
https://mp.weixin.qq.com/s/F9ZV4jV3UiVuKVz1aqgv9w
如何匹配两段文本的语义?
https://mp.weixin.qq.com/s/0bOg1kvSR66-8rvFDqtLIQ
用文本挖掘分析了5万首《全唐诗》,竟然发现这些秘密
http://blog.csdn.net/xizero00/article/details/51182003
论文阅读:End-To-End Memory Networks
https://mp.weixin.qq.com/s/jYpaljuvNf4CdlRUAgAL1w
Bi-LSTM+CRF在文本序列标注中的应用
https://mp.weixin.qq.com/s/OwP16MNTpFTLkpi9wnda-Q
挑战深度学习与自然语言处理的极限!
http://www.wildml.com/2016/07/deep-learning-for-chatbots-2-retrieval-based-model-tensorflow/
IMPLEMENTING A RETRIEVAL-BASED MODEL IN TENSORFLOW
https://mp.weixin.qq.com/s/vGUizRVnosd7cgxha-pimw
200行Python代码实现感知机词性标注器
https://mp.weixin.qq.com/s/0kM72uF7qa5IiinEnLC5-A
一起来看看词性标注
https://mp.weixin.qq.com/s/L04yE6J8n-Z7Cl9yt6kphA
约翰霍普金斯大学计算机科学系Jason Eisner教授总结了一系列的自然语言处理优秀教学资源
http://www.jiqizhixin.com/article/2727
ACL 2017中国研究论文解读:读懂中国自然语言处理前沿进展
https://mp.weixin.qq.com/s/ssWi6XIebW8M6_JePG7RZg
微软的NLP帝国
https://github.com/lianwj/cnn-text-classification-tf
Convolutional Neural Network for Text Classification in Tensorflow
http://blog.csdn.net/skytree/article/details/43672627
2013年7月做的一个自动应答机器人的架构
https://mp.weixin.qq.com/s/mq0PdX6oB2kr_5FyoLA4ug
机器人数学考了134分,要上清华北大NLP是最大难关
http://www.toutiao.com/a6236100205026328834/
深度学习:推动NLP领域发展的新引擎
http://dataunion.org/9331.html
深度学习、自然语言处理和表征方法
https://www.zhihu.com/question/46272554
如何评价SyntaxNet
https://mp.weixin.qq.com/s/6_FHq8IrkAW_Y5FSYcJ0fw
CMU与谷歌大脑联合出品:62页PPT带你理解SQuAD大赛冠军–QANet
https://mp.weixin.qq.com/s/uWMGJmiEfahRql1sn1B0hA
通过全新学习和推断机制提升seq2seq模型的语法改错性能
https://mp.weixin.qq.com/s/_O4YqFK2xkFuB4nTbcu1cw
哈佛NLP组论文解读:基于隐变量的注意力模型
https://mp.weixin.qq.com/s/6BIspcIQrn7k3VQ9NP63Ng
DeepMind提出空间语言集成模型SLIM,有效编码自然语言的空间关系
https://mp.weixin.qq.com/s/eehpqW2H3wWCOa6r8jbEvQ
ACL 2018 鲁棒、无偏的NLP训练方法
https://mp.weixin.qq.com/s/e6YXItElVa5iaY8Txi8wzA
NAACL2018tutorial深度学习在智能对话系统中应用
https://mp.weixin.qq.com/s/29vqbjnTkHsq2Fv9ZyMOVQ
COLING 2018 基于目标依赖财经文档表示学习的累积超额收益预测
https://mp.weixin.qq.com/s/nTLxvrxnKRmHl8ZDWxI42Q
结合通用和专用NMT的优势,CMU为NMT引入“语境参数生成器”
https://mp.weixin.qq.com/s/emuKFxxHoRl3M8Lg3oA9Jw
2018 NLPCC Chinese Grammatical Error Correction论文小结
https://mp.weixin.qq.com/s/2-Uzlp4PBcDC6V0jW35KaQ
NLG ≠ 机器写作
https://mp.weixin.qq.com/s/rn-yv510ff5IKq0cL5bypQ
新加坡科技设计大学杨杰:Recent Advances in Sequence Labeling
https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651009365&idx=4&sn=b8a0bcf9c17bee15a23a4585291788d3
百度UNIT对话系统核心技术解析
https://mp.weixin.qq.com/s/yC8uYwti9Meyt83xkmbmcg
小哥哥,检索式chatbot了解一下?
https://mp.weixin.qq.com/s/hbanc8seKkbqv-WfJRFw7Q
自然语言处理(NLP)前沿进展报告
https://mp.weixin.qq.com/s/Boake8McJdWfoTRLFwxQRA
国防科大登顶SQuAD 2.0排行榜,机器阅读也要“不知为不知”
https://mp.weixin.qq.com/s/9hEEh4HpVHk-GD5gi9MZSw
“天猫精灵”如何为你写诗?人机共创的秘密在这儿
https://mp.weixin.qq.com/s/icGEBkHP_xeOIdL8vM0K2A
面向任务型对话中基于对话状态表示的序列到序列学习
https://mp.weixin.qq.com/s/EdrK-IT3rlVaw8wCcBLSOw
如何玩转自然语言理解和深度学习实践?
https://mp.weixin.qq.com/s/pXmYJA6-1vtHTwTNanLovQ
Encoder-Decoder自动生成对联,要试试么?
https://mp.weixin.qq.com/s/ZU9QUKDgEuqpTaViAbQfuw
DeepMind提出空间语言集成模型SLIM,有效编码自然语言的空间关系
https://mp.weixin.qq.com/s/fSYU4Xl4vdlWTgIPo0mS7Q
哈工大讯飞联合实验室勇夺中文语法检错大赛冠军
https://mp.weixin.qq.com/s/kRzWXlXBEJqFhfBTzbaDxg
神经语义解析 Neural Semantic Parsing综述
https://mp.weixin.qq.com/s/tFDA4ZfrLnFocgs5SdDnUQ
关于语义和语用的100件事
https://mp.weixin.qq.com/s/2qa2o9nkJL5wrXJRmsSKUg
COLING 2018上下文敏感的开放域对话回复生成
https://mp.weixin.qq.com/s/IA0kPncWRVx0JBQXvJLY6w
微信高级研究员解析深度学习在NLP中的发展和应用
https://zhuanlan.zhihu.com/p/40988001
多轮对话状态管理(DST)–模型介绍篇
https://mp.weixin.qq.com/s/PrrEUHXrmBEnOegP5jqOJg
你知道《圣经》中的主要角色有哪些吗?三种NLP工具将告诉你答案!
https://mp.weixin.qq.com/s/8LV27Hn5JKS7Zo1omRMxzA
基于汉语短文本对话的立场检测系统理论与实践
https://mp.weixin.qq.com/s/PRhhpoYqjMSZCPgrcfqibw
基于序列到序列模型的句子级复述生成
https://mp.weixin.qq.com/s/oMKhVtCTmQKLTmhMx008MA
基于背景知识的对话模型
https://mp.weixin.qq.com/s/PGj1IjLPz-RmTaLbcnYNCw
自然语言处理领军人刘兵:没有终身学习,机器不可能智能
https://mp.weixin.qq.com/s/p8gEbamEbJBp_wzsy8_21A
词义的动态变迁
https://zhuanlan.zhihu.com/p/41944121
NLP系列学习:意图识别
https://mp.weixin.qq.com/s/C-Oh0bmpEon1Oeq5M6Q1GQ
针对商品标题冗长问题,阿里工程师怎么解决?
https://mp.weixin.qq.com/s/Pj_sfced_IfjwoeA-_vvMg
COLING 2018对话语义理解的序列到序列数据增强
https://mp.weixin.qq.com/s/R-BuHOYFEadVe0yx5q92Dg
文本表示简介
https://mp.weixin.qq.com/s/qW-0zGvMi4qjT_KtGat4mQ
TreeGAN:为序列生成任务构建有句法意识的GAN
https://mp.weixin.qq.com/s/9Q9i1GyB0vqxGpdlOgKL0w
不会写作文?试试这个文本模板生成系统呗
https://zhuanlan.zhihu.com/p/46206946
全局语义语境能改善神经语言模型吗?
https://mp.weixin.qq.com/s/2Ksovh6BDnFxs6Y2lOv6ww
联合学习离散句法结构和连续词表征的无监督方法
https://mp.weixin.qq.com/s/A-PKyZcXwOz-2lL-hBmjsA
自然语言处理中的语言模型预训练方法
https://mp.weixin.qq.com/s/gZ4N18jvM_0oUvOaKBBxfQ
你已经是个成熟的表格了,该学会自然语言处理了
https://mp.weixin.qq.com/s/EIlDzd-Fnzo_iCS3SJw3JQ
基于神经网络的文本生成前沿综述
https://mp.weixin.qq.com/s/Srpv04X2vaIr2da4xbEMdg
从对话生成和文本风格转化看文本生成技术
https://mp.weixin.qq.com/s/DeLB7mV9p-MX-c9LI-XwBQ
文本生成魔改方案汇总
https://zhuanlan.zhihu.com/p/47949269
开放域下的对话系统
https://mp.weixin.qq.com/s/dXU-HMi8LIjVTwzfMqOzuQ
自然语言中的深度隐变量模型
https://mp.weixin.qq.com/s/kef7F8hlkavvVpD1gQt8hA
几千条文本库也能做机器学习!NLP小数据集训练指南
https://mp.weixin.qq.com/s/jFfGU8yHsNAfDxYnbLPk3Q
基于文本蕴含识别的答案验证技术研究
https://zhuanlan.zhihu.com/p/50349824
利用词向量和WordNet识别和解释隐喻词
https://mp.weixin.qq.com/s/rLFm2J6Bao6H5Qj9Fw0wUg
百度陈翔:基于机器学习的搜索语义理解技术!
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK