知识图谱系列---自然语言处理---分词词向量与文本分类

【分词与词向量】

主要是 jieba 和 gensim.models.word2vec 使用

【结巴分词资料汇编】结巴中文分词官方文档分析(1)

【结巴分词资料汇编】结巴中文分词源码分析(2)

【结巴分词资料汇编】结巴中文分词基本操作(3)

python版本word2vec实现

python版本doc2vec实现

参数数据源：http://mattmahoney.net/dc/text8.zip

【自然语言处理】

自然语言处理——词的表示

词向量模型(word2vec)详解

高级词向量表示

自然语言处理简述

自然语言处理之jieba分词

自然语言处理之word2vec

自然语言处理之序列标注问题

自然语言处理之信息论基础

自然语言处理之卷积神经网络应用

自然语言处理之LDA主题模型

【NLP之算法】：PayPal高级工程总监的100篇论文（附下载）

【NLP之算法】：蓦然回首之学习模型的评估系列文章（1-4）

【NLP之算法】：揭秘马尔可夫模型神秘面纱系列文章（1-5）

【NLP之算法】：一起走进条件随机场（1-5）

【NLP之算法】：十分钟快览自然语言处理总结

【NLP之算法】：快速了解什么是自然语言处理

NLP中的预训练语言模型（一）—— ERNIE们和BERT-wwm

NLP中的预训练语言模型（二）—— Facebook的SpanBERT和RoBERTa

NLP中的预训练语言模型（三）—— XL-Net和Transformer-XL

NLP中的预训练语言模型（四）—— 小型化bert（DistillBert, ALBERT, TINYBERT）

NLP中的预训练语言模型（五）—— ELECTRA

探讨自然语言处理技术学习与思考

NLP手记系列：结巴分词和自然语言处理HanLP处理手记

NLP之项目总结：基于文本相似度对申报项目进行查重设计

NLP之项目总结：Python NLTK 走进大秦帝国

NLP之文本挖掘：Python NLTK处理系列文章（1-5）

NLP之工具：简明GitHub操作教程指南

NLP之工具：结巴分词官方文档和源码分析系列文章

NLP之工具：Python自然语言处理工具小结

NLP之工具：驾驭文本，OpenNLP和分词那些事

NLP之本体：领域本体的构建方法概述

NLP之语料库：谈谈语料库知多少

【文本分类实战】

【文本处理】自然语言处理在现实生活中运用

【文本处理】多种贝叶斯模型构建及文本分类的实现

【文本处理】快速了解什么是自然语言处理

【文本处理】领域本体构建方法概述

【文本处理】OpenNLP：驾驭文本，分词那些事

【文本处理】【NLP】Tika 文本预处理：抽取各种格式文件内容

【文本处理】自己动手搭建搜索工具

文本分类实战（一）—— word2vec预训练词向量

文本分类实战（二）—— textCNN 模型

文本分类实战（三）—— charCNN模型

文本分类实战（四）—— Bi-LSTM模型

文本分类实战（五）—— Bi-LSTM + Attention模型

文本分类实战（六）—— RCNN模型

文本分类实战（七）—— Adversarial LSTM模型

文本分类实战（八）—— Transformer模型

文本分类实战（九）—— ELMO 预训练模型

文本分类实战（十）—— BERT 预训练模型