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TensorFlow和Pytorch），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TensorFlow和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

NNLM_Tensor.ipynb, NNLM_Torch.ipynb

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

Word2Vec_Tensor(NCE_loss).ipynb,Word2Vec_Tensor(Softmax).ipynb,Word2Vec_Torch(Softmax).ipynb

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

• 论文下载

Bag of Tricks for Efficient Text Classification(2016)

• 代码实现

FastText.ipynb

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

TextCNN_Tensor.ipynb, TextCNN_Torch.ipynb

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

TextRNN_Tensor.ipynb, TextRNN_Torch.ipynb

3-2. TextLSTM - Autocomplete

• 论文下载

LONG SHORT-TERM MEMORY(1997)

• 代码实现

TextLSTM_Tensor.ipynb, TextLSTM_Torch.ipynb

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

• 代码实现

Bi_LSTM_Tensor.ipynb, Bi_LSTM_Torch.ipynb

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

Seq2Seq_Tensor.ipynb, Seq2Seq_Torch.ipynb

4-2. Seq2Seq with Attention - Translate

• 论文下载

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

• 代码实现

Seq2Seq(Attention)_Tensor.ipynb,Seq2Seq(Attention)_Torch.ipynb

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

• 代码实现

Bi_LSTM(Attention)_Tensor.ipynb,Bi_LSTM(Attention)_Torch.ipynb

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

Transformer_Torch.ipynb, Transformer(Greedy_decoder)_Torch.ipynb

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

  BERT_Torch.ipynb

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TensorFlow和Pytorch学习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”。

本站简介↓↓↓ 

“机器学习初学者”是帮助人工智能爱好者入门的个人公众号（创始人：黄海广）

初学者入门的道路上，最需要的是“雪中送炭”，而不是“锦上添花”。

本站的知识星球（黄博的机器学习圈子）ID：92416895

目前在机器学习方向的知识星球排名第一（上图二维码）

往期精彩回顾

• 良心推荐：机器学习入门资料汇总及学习建议（2018版）

• 黄海广博士的github镜像下载（机器学习及深度学习资源）

• 吴恩达老师的机器学习和深度学习课程笔记打印版

• 机器学习小抄-（像背托福单词一样理解机器学习）

• 首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书

• 机器学习的数学基础

• 机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件

• 吐血推荐收藏的学位论文排版教程（完整版）

• Python环境的安装（Anaconda+Jupyter notebook+Pycharm）

• Python代码写得丑怎么办？推荐几个神器拯救你

• 重磅 | 完备的 AI 学习路线，最详细的资源整理！

备注：本站qq群：865189078（共8个群，不用重复加）。

加入本站微信群，请加黄博的助理微信，说明：公众号用户加群。