推荐github上的一个NLP代码教程：nlp-tutorial，教程中包含常见的NLP模型代码实现（基于Pytorch1.0+），而且教程中的大多数NLP模型都使用少于100行代码。

教程说明

这是使用Pytorch学习NLP（自然语言处理）的教程，把常用NLP模型用不到100行的代码实现了，教程里附论文下载，并且包含py和ipynb文件，经过测试全部通过。

仓库地址：

https://github.com/graykode/nlp-tutorial

里面有使用说明和样例（py和ipynb格式）。

注意：论文下载请“阅读原文”。

教程目录

1. Basic Embedding Model（基础嵌入模型）

1-1. NNLM(Neural Network Language Model)- Predict Next Word

• 论文下载

A Neural Probabilistic LanguageModel(2003)

• 代码实现

1-2. Word2Vec(Skip-gram) - EmbeddingWords and Show Graph

• 论文下载

Distributed Representations of Wordsand Phrases and their Compositionality(2013)

• 代码实现

1-3. FastText(Application Level)- Sentence Classification

• 论文下载

Bag of Tricks for Efficient Text Classification(2016)

• 代码实现

2. CNN(卷积神经网络)

2-1. TextCNN - BinarySentiment Classification

• 论文下载

Convolutional Neural Networks for SentenceClassification(2014)

• 代码实现

2-2. DCNN(Dynamic Convolutional Neural Network)

3. RNN(循环神经网络)

3-1. TextRNN - Predict NextStep

• 论文下载

Finding Structure in Time(1990)

• 代码实现

3-2. TextLSTM - Autocomplete

• 论文下载

LONG SHORT-TERM MEMORY(1997)

• 代码实现

3-3. Bi-LSTM - Predict NextWord in Long Sentence

• 代码实现

4. Attention Mechanism（注意力机制）

4-1. Seq2Seq - Change Word

• 论文下载

Learning Phrase Representations using RNN Encoder–Decoder for Statistical MachineTranslation(2014)

• 代码实现

4-2. Seq2Seq with Attention - Translate

• 论文下载

NeuralMachine Translation by Jointly Learning to Align and Translate(2014)

• 代码实现

4-3. Bi-LSTM with Attention - BinarySentiment Classification

• 代码实现5. Model based on Transformer（Transformer模型）

5-1. The Transformer - Translate

• 论文下载

Attention Is All You Need(2017)

• 代码实现

5-2. BERT - ClassificationNext Sentence & Predict Masked Tokens

• 论文下载

BERT: Pre-training of Deep Bidirectional Transformers for LanguageUnderstanding(2018)

• 代码实现

部分内容截图

TextCNN的两种实现方式（使用TensorFlow和Pytorch）

总结

推荐github上的一个NLP代码教程：nlp-tutorial，一个使用Pytorch实现NLP（自然语言处理）的教程，教程中的大多数NLP模型都使用少于100行代码实现。

仓库地址：

https://github.com/graykode/nlp-tutorial

里面有使用说明和样例（py和ipynb格式）。

仓库作者：Tae Hwan Jung(Jeff Jung)

注意：论文下载请“阅读原文”。

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
获取本站知识星球优惠券，复制链接直接打开：
https://t.zsxq.com/y7uvZF6
本站qq群704220115。加入微信群请扫码：