人工智能技術(shù)目前越來越火爆，近日，2018 年圖靈獎得主揭曉，獲獎的三位科學(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，因此目前也是相當火爆。想必同學(xué)們也會經(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)容相當豐富，內(nèi)容涵蓋神經(jīng)網(wǎng)絡(luò)機器翻譯、問答匹配、電影評價分類、新聞分類等多個領(lǐng)域。

項目的 GitHub 地址為：https://github.com/lyeoni/nlp-tutorial。

這是一個教你逐步實現(xiàn)和適應(yīng)簡單的實詞 NLP 任務(wù)的教程：

項目里面有 4 個資源：神經(jīng)機器翻譯、問答匹配、新聞分類和電影分級。這些資源都提供了源碼，對初學(xué)者來說，極為友好。初學(xué)者可以學(xué)會建立自己的模型。

廢話就不多說了，讓我們一起來具體看看這些資源吧~

神經(jīng)機器翻譯：這個 repo 提供了神經(jīng)機器翻譯的簡單 PyTorch 實現(xiàn)，以及機器翻譯過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），注意機制，自回歸，Teacher-forcing

問答匹配：這個 repo 提供了簡單的 PyTorch 問答匹配實現(xiàn)。在這里，我們使用來自 Stack Exchange 的英語語料庫來構(gòu)建整個問題的嵌入。使用這些嵌入，我們找到給定問題的類似問題，并找到相應(yīng)的答案。

關(guān)鍵詞： 長度可變的 LSTM 序列，TF-IDF，文本分類

新聞分類：此報告包含一個簡單的源代碼，用于基于 textcn 的文本分類。語料庫是英文的赫夫波斯特新聞分類數(shù)據(jù)集。大多數(shù)開放源代碼對于初學(xué)者來說有點難以學(xué)習(xí)和建立文本分類模型。所以，我希望這個 repo 對于那些想要擁有自己的文本分類模型的人來說是一個很好的解決方案。

關(guān)鍵詞：textcn，文本分類，文本分類

電影分級（韓國 NLP）：此 repo 包含一個簡單的源代碼，用于基于 TextCNN 的文本分類任務(wù)中。其語料庫是 Huffpost 的新聞分類數(shù)據(jù)集。對初學(xué)者來說，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 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)問題，還可以點擊下面的網(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！