6. 语料库

https://github.com/liwenzhu/corpusZh

• 6.1. 常问问题
• 6.2. 使用 BERT 进行微调
  • 6.2.1. 使用云 TPU 进行微调
  • 6.2.2. 句子（和句子对）分类任务
  • 6.2.3. SQuAD 1.1
  • 6.2.4. SQuAD 2.0
  • 6.2.5. 内存不足的问题
• 6.3. 预先训练的模型
• 6.4. 使用 BERT 进行预训练
  • 6.4.1. 预训练提示和警告
  • 6.4.2. 预训练数据
  • 6.4.3. 学习一个新的 WordPiece 词汇表
• 6.5. 在 Colab 中使用 BERT
• 6.6. 使用 BERT 提取固定的特征向量 (像 ELMo)
  • 6.6.1. 符号化
• 6.7. 什么是 BERT？
• 6.8. BERT 大规模预训练语言模型
  • 6.8.1. 介绍
  • 6.8.2. 该存储库中发布了什么？
  • 6.8.3. 放弃
  • 6.8.4. 联系信息
• 6.9. 模型
  • 6.9.1. 结果
  • 6.9.2. 微调示例
  • 6.9.3. 细节
• 6.10. 农业知识图谱(AgriKG)
  • 6.10.1. 项目介绍：
  • 6.10.2. 目录结构：
  • 6.10.3. 可复用资源
  • 6.10.4. 项目配置
• 6.11. Chinese NLP Corpus
  • 6.11.1. 介绍
  • 6.11.2. 语言资源的分类
  • 6.11.3. 语言资源的问题
  • 6.11.4. 语言资源的实践
  • 6.11.5. 语言资源构建现状
  • 6.11.6. 语义知识库
  • 6.11.7. 领域词库
  • 6.11.8. 领域语料库
  • 6.11.9. 评测语料库
  • 6.11.10. 总结
• 6.12. cnSchema
• 6.13. 知识图谱
• 6.14. openkg
• 6.15. 现代汉语语料库加工规范
  • 6.15.1. ⒈ 前言
  • 6.15.2. ⒉ 切分规范
  • 6.15.3. 3. 切分和标注相结合的规范
  • 6.15.4. ⒋ 标注规范
  • 6.15.5. 4.3 关于标记 vn, vd, an, ad
  • 6.15.6. 5. 后记
  • 6.15.7. 附录 1 按代码的字母顺序排列的标记集
  • 6.15.8. 附录 2 按名称的汉语拼音顺序排列的标记集
  • 6.15.9. 附录 3 参考文献
• 6.16. 标注规范
• 6.17. 信息处理用现代汉语词类标记规范
• 6.18. 计算所汉语词性标记集
  • 6.18.1. 目录
  • 6.18.2. 0. 说明
  • 6.18.3. 1. 名词 (1 个一类，7 个二类，5 个三类)
  • 6.18.4. 2. 时间词(1 个一类，1 个二类)
  • 6.18.5. 3. 处所词(1 个一类)
  • 6.18.6. 4. 方位词(1 个一类)
  • 6.18.7. 5. 动词(1 个一类，9 个二类)
  • 6.18.8. 6. 形容词(1 个一类，4 个二类)
  • 6.18.9. 7. 区别词(1 个一类，2 个二类)
  • 6.18.10. 8. 状态词(1 个一类)
  • 6.18.11. 9. 代词(1 个一类，4 个二类，6 个三类)
  • 6.18.12. 10. 数词(1 个一类，1 个二类)
  • 6.18.13. 11. 量词(1 个一类，2 个二类)
  • 6.18.14. 12. 副词(1 个一类)
  • 6.18.15. 13. 介词(1 个一类，2 个二类)
  • 6.18.16. 14. 连词(1 个一类，1 个二类)
  • 6.18.17. 15. 助词(1 个一类，15 个二类)
  • 6.18.18. 16. 叹词(1 个一类)
  • 6.18.19. 17. 语气词(1 个一类)
  • 6.18.20. 18. 拟声词(1 个一类)
  • 6.18.21. 19. 前缀(1 个一类)
  • 6.18.22. 20. 后缀(1 个一类)
  • 6.18.23. 21. 字符串(1 个一类，2 个二类)
  • 6.18.24. 22. 标点符号(1 个一类，16 个二类)
• 6.19. 全球 WordNet 协会
• 6.20. 知网
• 6.21. Schema
• 6.22. 爱汉语语料库
  • 6.22.1. 现代汉语语料库
  • 6.22.2. 在线语料库字词频数据
  • 6.22.3. 语料处理软件工具
  • 6.22.4. 现代汉语字表
• 6.23. Chinese Open Wordnet
  • 6.23.1. 汉语开放词网
  • 6.23.2. 资源
  • 6.23.3. 参考
  • 6.23.4. 贡献者
  • 6.23.5. 链接
  • 6.23.6. 致谢
• 6.24. CSDN 下载
  • 6.24.1. 语料库
  • 6.24.2. 敏感词
• 6.25. 店查查数据
• 6.26. funNLP
  • 6.26.1. 1. 中英文敏感词过滤
  • 6.26.2. 2. 97 种语言检测
  • 6.26.3. 3. 另一个语言检测
  • 6.26.4. 4. 中国手机归属地查询
  • 6.26.5. 5. 国际手机电话归属地查询
  • 6.26.6. 6. 根据名字判断性别
  • 6.26.7. 7. 抽取 email 的正则表达式
  • 6.26.8. 8. 抽取电话的正则表达式
  • 6.26.9. 9. 抽取身份证号的正则表达式
  • 6.26.10. 10. 人名语料库
  • 6.26.11. 11. 中文缩写库
  • 6.26.12. 12. 汉语拆字词典
  • 6.26.13. 13. 词汇情感值
  • 6.26.14. 14. 中文停用词敏感词
  • 6.26.15. 15. 汉字转拼音
  • 6.26.16. 16. 中文繁简体互转
  • 6.26.17. 17. 英文模拟中文发音引擎
  • 6.26.18. 18. 汪峰歌词生成器：
  • 6.26.19. 19. 同义词库、反义词库、否定词库
  • 6.26.20. 20. 无空格英文串分割、抽取单词
  • 6.26.21. 21. IP 地址正则表达式
  • 6.26.22. 22. 腾讯 QQ 号正则表达式
  • 6.26.23. 23. 国内固话号码正则表达式
  • 6.26.24. 24. 用户名正则表达式
  • 6.26.25. 25. 汽车品牌、汽车零件相关词汇
  • 6.26.26. 26. 时间抽取
  • 6.26.27. 27. 中文词向量
  • 6.26.28. 28. 公司名字大全
  • 6.26.29. 29. 古诗词库：
  • 6.26.30. 30. THU 整理的词库：
  • 6.26.31. 31. 中文聊天语料
  • 6.26.32. 32. 中文谣言数据
  • 6.26.33. 33. 情感波动分析
  • 6.26.34. 34. 百度中文问答数据集**：链接 提取码: 2dva
  • 6.26.35. 35. 句子、QA 相似度匹配:MatchZoo
  • 6.26.36. 36. bert 资源
  • 6.26.37. 37. Texar
  • 6.26.38. 38. 中文事件抽取
  • 6.26.39. 39. cocoNLP
  • 6.26.40. 40. 国内电话号码正则匹配（三大运营商+虚拟等）
  • 6.26.41. 41. 清华大学 XLORE:中英文跨语言百科知识图谱
  • 6.26.42. 42. 清华大学人工智能技术系列报告：
  • 6.26.43. 43. 自然语言生成方面
  • 6.26.44. 44. jieba
  • 6.26.45. 45. NLP 太难了系列
  • 6.26.46. 46. 自动对联数据及机器人
  • 6.26.47. 47. 用户名黑名单列表：
  • 6.26.48. 48. 罪名法务名词及分类模型
  • 6.26.49. 49. 微信公众号语料
  • 6.26.50. 50. cs224n 深度学习自然语言处理课程：
  • 6.26.51. 51. 中文手写汉字识别
  • 6.26.52. 52. 中文自然语言处理 语料/数据集
  • 6.26.53. 53. 变量命名神器
  • 6.26.54. 54. 分词语料库+代码
  • 6.26.55. 55. NLP 新书推荐
  • 6.26.56. 56. 任务型对话英文数据集
  • 6.26.57. 57. ASR 语音数据集 + 基于深度学习的中文语音识别系统：
  • 6.26.58. 58. 笑声检测器：
  • 6.26.59. 59. Microsoft 多语言数字/单位/如日期时间识别包：
  • 6.26.60. 60. chinese-xinhua
  • 6.26.61. 61. 文档图谱自动生成
  • 6.26.62. 62. SpaCy 中文模型
  • 6.26.63. 63. Common Voice
  • 6.26.64. 64. 神经网络关系抽取 pytorch
  • 6.26.65. 65. 基于 bert 的命名实体识别 pytorch
  • 6.26.66. 66. 关键词(Keyphrase)抽取包 pke
  • 6.26.67. 67. 基于医疗领域知识图谱的问答系统
  • 6.26.68. 68. 基于依存句法与语义角色标注的事件三元组抽取
• 6.27. nlp-datasets
  • 6.27.1. 英语以及多语言数据集
  • 6.27.2. 资源
  • 6.27.3. 阿拉伯数据集
  • 6.27.4. 德语数据集
• 6.28. 北京大学开发数据研究平台
• 6.29. 维基百科语料库
  • 6.29.1. 目录
  • 6.29.2. 语料库列表
• 6.30. WordNet
  • 6.30.1. 什么是 WordNet？
  • 6.30.2. 关于 WordNet
  • 6.30.3. 结构体
  • 6.30.4. 关系
  • 6.30.5. 跨 POS 关系
  • 6.30.6. 更多信息
  • 6.30.7. 汉语开放词网