NLP&NLU
-
- 通俗理解label smoothing 标签平滑实例
-
- NLP中数据增强的综述大全
-
- NLP（三十）利用ALBERT和机器学习来做文本分类
-
- 从Siamse孪生网络到Sentence-BERT综述
-
- NLP中英文数据集大全
-
- 献给学习NLP的同学们[持续更新ing]
-
- 不同Attention机制的代码[持续更新]
-
- NLP中知识蒸馏和对抗训练相关的论文收集
-
- HighWay Net原理及其实现
-
- 机器翻译学习总结
-
- 通俗理解注意力机制中的Q、K和V表示的具体含义
-
- 12篇顶会和代码全面掌握深度学习在文本分类的发展
-
- [读书笔记]A Structured Self-attentiv
-
- 跟着代码理解BERT中的优化器AdamW（AdamWeightD
-
- Transformer和LSTM的对比
-
- 为什么Bert的三个Embedding可以进行相加？
-
- 基于深度语义匹配，上下文相关的问答系统
-
- 通俗讲解看图说话（Image Captioning）和视觉问答（
-
- 命名实体识别不只有BiLSTM+CRF
-
- 通俗讲解关系抽取的常见方法
-
- 通俗解释BiLSTM接CRF做命名实体识别任务(1)
-
- 16套免费的NLP课程及经典教材
-
- Transformer 模型的 PyTorch 实现
-
- NLP中各种各样的编码器
-
- 通俗解释BERT中的嵌入层的组成以及实现的方式！
-
- 文本匹配利器：从Siamse孪生网络到Sentence-BERT
-
- NLP很多任务中为什么需要mask？
-
- 最通俗易懂的解说viterbi维特比算法！
-
- pytorch实战情感分析
-
- 使用pytorch做NLP的项目(持续更新ing)
-
- 层级性多元标签文本分类
-
- transformer笔记
-
- 基于依存句法分析的关键短语抽取算法实战
-
- 使用 bi-LSTM 对文本进行特征提取
-
- NLP-bert-as-service的简单使用
-
- attention和self-attention的区别
-
- 经典大规模文本相似识别架构和算法总结
-
- 利用多粒度信息和外部知识进行中文实体关系抽取
-
- 学习笔记：三大特征抽取器比较
-
- 利用Word2vec生成句向量（二）
-
- 8NER实战-(3)BiLSTM+CRF
-
- 2019达观杯信息抽取比赛总结
-
- 从数据到模型，你可能需要1篇详实的pytorch踩坑指南
-
- Bert笔记
-
- 中文NLP的分词真有必要吗？李纪为团队四项任务评测一探究竟 |
-
- 【NLP论文笔记】A Structured Self-atten
-
- Pytorch学习记录-TextMatching几个经典模型
-
- 关于self-attention
-
- Pytorch学习记录-torchtext和Pytorch的实例
-
- 强化学习（RL）在NLP的应用前景
建立了一个NLP专门的技术资料分享交流群（公司内部PPT、线下沙龙PPT、NLP相关书籍等资料） ，有分享精神的小伙伴欢迎加入分享 QQ群号：931306904
