awesome-chinese-nlp =================== |Awesome| A curated list of resources for NLP (Natural Language Processing) for Chinese `中文自然语言处理相关资料 `__ .. figure:: /images/1.jpg :alt: 图片来自复旦大学邱锡鹏教授 图片来自复旦大学邱锡鹏教授 工具 ---- NLP 工具包 ~~~~~~~~~~ - `THULAC 中文词法分析工具包 `__ by 清华 (C++/Java/Python) - `NLPIR `__ by 中科院 (Java) - `LTP 语言技术平台 `__ by 哈工大 (C++) `pylyp `__ LTP 的 python 封装 - `FudanNLP `__ by 复旦 (Java) - `BaiduLac `__ by 百度 Baidu’s open-source lexical analysis tool for Chinese, including word segmentation, part-of-speech tagging & named entity recognition. - `HanLP `__ (Java) - `SnowNLP `__ (Python) Python library for processing Chinese text - `YaYaNLP `__ (Python) 纯 python 编写的中文自然语言处理包,取名于“牙牙学语” - `小明 NLP `__ (Python) 轻量级中文自然语言处理工具 - `DeepNLP `__ (Python) Deep Learning NLP Pipeline implemented on Tensorflow with pretrained Chinese models. - `chinese_nlp `__ (C++ & Python) Chinese Natural Language Processing tools and examples - `Chinese-Annotator `__ (Python) Annotator for Chinese Text Corpus 中文文本标注工具 - `Poplar `__ (Typescript) A web-based annotation tool for natural language processing (NLP) 英文或多语言 NLP 工具包 ~~~~~~~~~~~~~~~~~~~~~~~ - `CoreNLP `__ by Stanford (Java) A Java suite of core NLP tools. - `NLTK `__ (Python) Natural Language Toolkit - `spaCy `__ (Python) Industrial-Strength Natural Language Processing - `textacy `__ (Python) NLP, before and after spaCy - `OpenNLP `__ (Java) A machine learning based toolkit for the processing of natural language text. - `gensim `__ (Python) Gensim is a Python library for topic modelling, document indexing and similarity retrieval with large corpora. - `Kashgari `__ - Simple and powerful NLP framework, build your state-of-art model in 5 minutes for named entity recognition (NER), part-of-speech tagging (PoS) and text classification tasks. Includes BERT and word2vec embedding. 中文分词 ~~~~~~~~ - `Jieba 结巴中文分词 `__ (Python 及大量其它编程语言衍生) 做最好的 Python 中文分词组件 - `北大中文分词工具 `__ (Python) 高准确度中文分词工具,简单易用,跟现有开源工具相比大幅提高了分词的准确率。 - `kcws 深度学习中文分词 `__ (Python) BiLSTM+CRF 与 IDCNN+CRF - `ID-CNN-CWS `__ (Python) Iterated Dilated Convolutions for Chinese Word Segmentation - `Genius 中文分词 `__ (Python) Genius 是一个开源的 python 中文分词组件,采用 CRF(Conditional Random Field)条件随机场算法。 - `loso 中文分词 `__ (Python) - `yaha “哑哈”中文分词 `__ (Python) - `ChineseWordSegmentation `__ (Python) Chinese word segmentation algorithm without corpus(无需语料库的中文分词) - `Go 语言高性能分词 `__ (Go) Go efficient text segmentation; support english, chinese, japanese and other. 信息提取 ~~~~~~~~ - `MITIE `__ (C++) library and tools for information extraction - `Duckling `__ (Haskell) Language, engine, and tooling for expressing, testing, and evaluating composable language rules on input strings. - `IEPY `__ (Python) IEPY is an open source tool for Information Extraction focused on Relation Extraction. - `Snorkel `__ A training data creation and management system focused on information extraction - `Neural Relation Extraction implemented with LSTM in TensorFlow `__ - `A neural network model for Chinese named entity recognition `__ - `Information-Extraction-Chinese `__ Chinese Named Entity Recognition with IDCNN/biLSTM+CRF, and Relation Extraction with biGRU+2ATT 中文实体识别与关系提取 - `Familia `__ 百度出品的 A Toolkit for Industrial Topic Modeling - `Text Classification `__ All kinds of text classificaiton models and more with deep learning. 用知乎问答语聊作为测试数据。 问答和聊天机器人 ~~~~~~~~~~~~~~~~ - `Rasa NLU `__ (Python) turn natural language into structured data, a Chinese fork at `Rasa NLU Chi `__ - `Rasa Core `__ (Python) machine learning based dialogue engine for conversational software - `Snips NLU `__ (Python) Snips NLU is a Python library that allows to parse sentences written in natural language and extracts structured information. - `DeepPavlov `__ (Python) An open source library for building end-to-end dialog systems and training chatbots. - `ChatScript `__ Natural Language tool/dialog manager, a rule-based chatbot engine. - `Chatterbot `__ (Python) ChatterBot is a machine learning, conversational dialog engine for creating chat bots. - `Chatbot `__ (Python) 基於向量匹配的情境式聊天機器人 - `Tipask `__ (PHP) 一款开放源码的 PHP 问答系统,基于 Laravel 框架开发,容易扩展,具有强大的负载能力和稳定性。 - `QuestionAnsweringSystem `__ (Java) 一个 Java 实现的人机问答系统,能够自动分析问题并给出候选答案。 - `QA-Snake `__ (Python) 基于多搜索引擎和深度学习技术的自动问答 - `使用 TensorFlow 实现的 Sequence to Sequence 的聊天机器人模型 `__ (Python) - `使用深度学习算法实现的中文阅读理解问答系统 `__ (Python) - `AnyQ by Baidu `__ 主要包含面向 FAQ 集合的问答系统框架、文本语义匹配工具 SimNet。 - `DuReader 中文阅读理解 Baseline 代码 `__ (Python) - `基于 SmartQQ 的自动机器人框架 `__ (Python) - `QASystemOnMedicalKG `__ (Python) 以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务。 中文语料 -------- - `开放知识图谱 OpenKG.cn `__ - `开放中文知识图谱的 schema `__ - `大规模中文概念图谱 CN-Probase `__ `公众号介绍 `__ - `农业知识图谱 `__ 农业领域的信息检索,命名实体识别,关系抽取,分类树构建,数据挖掘 - `CLDC 中文语言资源联盟 `__ - `中文 Wikipedia Dump `__ - `98 年人民日报词性标注库@百度盘 `__ - [搜狗 20061127 新闻语料(包含分类)@百度盘](https://pan.baidu.com/s/1bnhXX6Z) - `UDChinese `__ (for training spaCy POS) - `中文 word2vec 模型 `__ - `上百种预训练中文词向量 `__ - `Tencent AI Lab Embedding Corpus for Chinese Words and Phrases `__ - `中华新华字典数据库 `__ 包括歇后语,成语,词语,汉字。 - `Synonyms:中文近义词工具包 `__ 基于维基百科中文和 word2vec 训练的近义词库,封装为 python 包文件。 - `Chinese_conversation_sentiment `__ A Chinese sentiment dataset may be useful for sentiment analysis. - `中文突发事件语料库 `__ Chinese Emergency Corpus - `dgk_lost_conv 中文对白语料 `__ chinese conversation corpus - `用于训练中英文对话系统的语料库 `__ Datasets for Training Chatbot System - `八卦版問答中文語料 `__ - `中文公开聊天语料库 `__ - `中国股市公告信息爬取 `__ 通过 python 脚本从巨潮网络的服务器获取中国股市(sz,sh)的公告(上市公司和监管机构) - `tushare 财经数据接口 `__ TuShare 是一个免费、开源的 python 财经数据接口包。 - `保险行业语料库 `__ [`52nlp 介绍 Blog `__] OpenData in insurance area for Machine Learning Tasks - `最全中华古诗词数据库 `__ 唐宋两朝近一万四千古诗人, 接近 5.5 万首唐诗加 26 万宋诗. 两宋时期 1564 位词人,21050 首词。 - `DuReader 中文阅读理解数据 `__ - `中文语料小数据 `__ 包含了中文命名实体识别、中文关系识别、中文阅读理解等一些小量数据 - `大规模中文自然语言处理语料 `__ 维基百科(wiki2019zh),新闻语料(news2016zh),百科问答(baike2018qa) - `中文人名语料库 `__ 中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。 - `中文敏感词词库 `__ 敏感词过滤的几种实现+某 1w 词敏感词库 - `中文简称词库 `__ A corpus of Chinese abbreviation, including negative full forms. - `中文数据预处理材料 `__ 中文分词词典和中文停用词 - `漢語拆字字典 `__ - `SentiBridge: 中文实体情感知识库 `__ 刻画人们如何描述某个实体,包含新闻、旅游、餐饮,共计 30 万对。 - `OpenCorpus `__ A collection of freely available (Chinese) corpora. - `ChineseNlpCorpus `__ 情感/观点/评论 倾向性分析,中文命名实体识别,推荐系统 中文 NLP 学术组织及竞赛 ----------------------- - `清华大学自然语言处理与人文计算实验室 `__ - `北京大学计算语言学教育部重点实验室 `__ - `中科院计算所自然语言处理研究组 `__ - `哈工大智能技术与自然语言处理实验室 `__ - `复旦大学自然语言处理组 `__ - `苏州大学自然语言处理组 `__ - `南京大学自然语言处理研究组 `__ - `东北大学自然语言处理实验室 `__ - `厦门大学智能科学与技术系自然语言处理实验室 `__ - `郑州大学自然语言处理实验室 `__ - `微软亚洲研究院自然语言处理 `__ - `华为诺亚方舟实验室 `__ - `CUHK Text Mining Group `__ - `PolyU Social Media Mining Group `__ - `HKUST Human Language Technology Center `__ - `National Taiwan University NLP Lab `__ - `中国中文信息学会 `__ - `NLP Conference Calender `__ Main conferences, journals, workshops and shared tasks in NLP community. - `2017 第一届“讯飞杯”中文机器阅读理解评测 `__ - `2017 AI-Challenger 图像中文描述 `__ 用一句话描述给定图像中的主要信息,挑战中文语境下的图像理解问题。 - `2017 AI-Challenger 英中机器文本翻译 `__ 用大规模的数据,提升英中文本机器翻译模型的能力。 - `2017 知乎看山杯机器学习挑战赛 `__ 根据知乎给出的问题及话题标签的绑定关系的训练数据,训练出对未标注数据自动标注的模型。 - `2018 开放领域的中文问答任务 `__ 对于给定的一句中文问题,问答系统从给定知识库中选择若干实体或属性值作为该问题的答案。 - `2018 微众银行智能客服问句匹配大赛 `__ 针对中文的真实客服语料,进行问句意图匹配;给定两个语句,判定两者意图是否相近。 中文 NLP 商业服务 ----------------- - `百度云 NLP `__ 提供业界领先的自然语言处理技术,提供优质文本处理及理解技术 - `阿里云 NLP `__ 为各类企业及开发者提供的用于文本分析及挖掘的核心工具 - `腾讯云 NLP `__ 基于并行计算、分布式爬虫系统,结合独特的语义分析技术,一站满足 NLP、转码、抽取、数据抓取等需求 - `讯飞开放平台 `__ 以语音交互为核心的人工智能开放平台 - `搜狗实验室 `__ 分词和词性标注 - `玻森数据 `__ 上海玻森数据科技有限公司,专注中文语义分析技术 - `云孚科技 `__ NLP 工具包、知识图谱、文本挖掘、对话系统、舆情分析等 - `智言科技 `__ 专注于深度学习和知识图谱技术突破的人工智能公司 - `追一科技 `__ 主攻深度学习和自然语言处理 学习资料 -------- - `中文 Deep Learning Book `__ - `Stanford CS224n Natural Language Processing with Deep Learning 2017 `__ - `Oxford CS DeepNLP 2017 `__ - `Course materials for Georgia Tech CS 4650 and 7650, “Natural Language” `__ - `Speech and Language Processing `__ by Dan Jurafsky and James H. Martin - `52nlp 我爱自然语言处理 `__ - `hankcs 码农场 `__ - `文本处理实践课资料 `__ 文本处理实践课资料,包含文本特征提取(TF-IDF),文本分类,文本聚类,word2vec 训练词向量及同义词词林中文词语相似度计算、文档自动摘要,信息抽取,情感分析与观点挖掘等实验。 - `nlp_tasks `__ Natural Language Processing Tasks and Selected References .. |Awesome| image:: https://awesome.re/badge.svg :target: https://awesome.re