• 1
• 0
• 0

Pasca/atec2018-nlp

ATEC2018 NLP赛题 复赛f1 = 0.7327

• 1
• 0
• 0

Pasca/deep-siamese-text-similarity

孪生网络计算中文文本相似性

• 1
• 0
• 0

Pasca/MLDemo_02

• 1
• 0
• 0

Pasca/MLDemo_03

• 1
• 2
• 0

Pasca/Bert-BiLSTM-CRF-pytorch

• 1
• 0
• 0

Pasca/ALBERT_NER_KERAS

ALBERT_LSTM做序列标注

• 1
• 0
• 0

Pasca/roberta_zh

RoBERTa预训练模型

• 1
• 1
• 0

Pasca/CCKS2019_EventEntityExtraction_Rank5

CCKS2019-面向金融领域的事件主体抽取方法，“事件识别”是舆情监控领域和金融领域的重要任务之一，“事件”在金融领域是投资分析，资产管理的重要决策参考。“事件识别”的复杂性在于事件类型和事件主体的判断，比如“公司A产品出现添加剂，其下属子公司B和公司C遭到了调查”，对于“产品出现问题”事件类型，该句中事件主体是“公司A”，而不是“公司B”或“公司C”。我们称发生特定事件类型的主体成为事件主体，本任务中事件主体范围限定为：公司和机构。事件类型范围确定为：产品出现问题、高管减持、违法违规… 本次评测任务的主要目标是从真实的新闻语料中，抽取特定事件类型的主体。即给定一段文本T，和文本所属的事件类型S，从文本T中抽取指定事件类型S的事件主体。 输入：一段文本，事件类型S 输出：事件主体 示例： 样例1 输入：”公司A产品出现添加剂，其下属子公司B和公司C遭到了调查”， “产品出现问题” 输出： “公司A” 样例2 输入：“公司A高管涉嫌违规减持”，“交易违规” 输出： “公司A”

• 1
• 1
• 0

Pasca/Event-Extraction

事件抽取各种Baseline

• 1
• 0
• 0

Pasca/albert-chinese-ner

• 1
• 0
• 1

Pasca/bert-chinese-ner

使用预训练语言模型BERT做中文NER尝试，fine - tune BERT模型

• 1
• 0
• 0

Pasca/pylucene使用

pylucene使用

• 1
• 0
• 0

Pasca/text_similarity_zh

中文文本相似性算法

• 1
• 2
• 2

Pasca/nlp-beginner-tasks

任务一：基于机器学习的文本分类 任务二：基于深度学习的文本分类 任务三：基于注意力机制的文本匹配 任务四：基于LSTM+CRF的序列标注 任务五：基于神经网络的语言模型

• 1
• 0
• 0

Pasca/nltk下载解决

nltk下载解决

• 1
• 0
• 0

Pasca/nltk_data

NLTK包下载失败解决办法

• 1
• 0
• 0

Pasca/Cspider11

西湖大学在EMNLP2019上提出了一个中文text-to-sql的数据集CSpider，主要是选择Spider作为源数据集进行了问题的翻译，并利用SyntaxSQLNet作为基线系统进行了测试，同时探索了在中文上产生的一些额外的挑战，包括中文问题对英文数据库的对应问题(question-to-DBmapping)、中文的分词问题以及一些其他的语言现象。 挑战赛链接：https://taolusi.github.io/CSpider-explorer/

• 1
• 2
• 1

Pasca/中文命名实体识别

• 1
• 0
• 0

Pasca/NLP学习03

本资源提供gitchat上《中文自然语言处理入门实战》实战的语料数据集合代码资源

• 1
• 1
• 0

Pasca/Python_nlp_notes

《 Python 自然语言处理 中文第二版 》jupyter版笔记