练手|常见30种NLP任务的练手项目
计算机科学与技术博士在读
1,454 人赞同了该文章
经常有人问我：老大让我完成xxx，我不会，他也不会，但是很着急。这个任务怎么实现啊？这个任务需要什么技术啊？这种情况我遇到有100+次了，而且很多时候问得问题跟具体需要的技术简直是驴唇不对马嘴。所以今天整理了常见的30种NLP任务非常适合练手的Project，我觉得有俩作用：研究+练手，加深理解，做到更专业；收藏起来，以备不时之需，不敢保证涵盖工业界所有NLP业务场景，但是涵盖95+%以上是完全没问题的。
还有一个原因，马上周末了，我发现大部分人周五晚上开始到周一上午都不看技术相关的内容，今天本来不打算发，但是被催更，那就发点不用过多思考的实践类的吧。如果精力充沛或是单身，最好周末还是保持学习状态，毕竟技术是无止境的，真的需要积累。
首先声明下，今天发的这些Project都是类似论文实现那样的demo级的，也不是传统的工程实现，用的方法一般比工业界的高端，非常适合练手用。
1.分词 Word Segmentation
chqiwang/convseg ，基于CNN做中文分词，提供数据和代码。
对应的论文Convolutional Neural Network with Word Embeddings for Chinese Word Segmentation IJCNLP2017.
2.词预测 Word Prediction
Kyubyong/word_prediction ，基于CNN做词预测，提供数据和代码。
3. 文本蕴涵 Textual Entailment
Steven-Hewitt/Entailment-with-Tensorflow，基于Tensorflow做文本蕴涵，提供数据和代码。
4. 语音识别 Automatic Speech Recognition
buriburisuri/speech-to-text-wavenet，基于DeepMind WaveNet和Tensorflow做句子级语音识别。
5. 自动摘要 Automatic Summarisation
PKULCWM/PKUSUMSUM，北大万小军老师团队的自动摘要方法汇总，包含了他们大量paper的实现，支持单文档摘要、多文档摘要、topic-focused多文档摘要。
6. 文本纠错 Text Correct
atpaino/deep-text-corrector，基于深度学习做文本纠错，提供数据和代码。
7.字音转换 Grapheme to Phoneme
cmusphinx/g2p-seq2seq，基于网红transformer做， 提供数据和代码。
8. 复述检测 Paraphrase Detection 和 问答 Question Answering
Paraphrase-Driven Learning for Open Question Answering， 基于复述驱动学习的开放域问答。
9. 音汉互译 Pinyin-To-Chinese
Kyubyong/neural_chinese_transliterator，基于CNN做音汉互译。
10. 情感分析 Sentiment Analysis
情感分析包括的内容太多了，目前没发现比较全的。推荐两个适合练手的吧：Deeply Moving: Deep Learning for Sentiment Analysis，http://sentic.net/about/。
11. 手语识别 Sign Language Recognition
Home - SignAll， 该项目在手语识别做的非常成熟。
12. 词性标注（POS）、 命名实体识别（NER）、 句法分析（parser）、 语义角色标注（SRL） 等。
HIT-SCIR/ltp， 包括代码、模型、数据，还有详细的文档，而且效果还很好。
13. 词干 Word Stemming
snowballstem/snowball， 实现的词干效果还不错。
14. 语言识别 Language Identification
https://github.com/saffsd/langid.py，语言识别比较好的开源工具。
15. 机器翻译 Machine Translation
OpenNMT/OpenNMT-py， 基于PyTorch的神经机器翻译，很适合练手。
16. 复述生成 Paraphrase Generation
vsuthichai/paraphraser，基于Tensorflow的句子级复述生成，适合练手。
17. 关系抽取 Relationship Extraction
ankitp94/relationship-extraction，基于核方法的关系抽取。
18. 句子边界消歧 Sentence Boundary Disambiguation
https://github.com/Orekhov/SentenceBreaking，很有意思。
19.事件抽取 Event Extraction
liuhuanyong/ComplexEventExtraction， 中文复合事件抽取，包括条件事件、因果事件、顺承事件、反转事件等事件抽取，并形成事理图谱。
20. 词义消歧 Word Sense Disambiguation
alvations/pywsd，代码不多，方法简单，适合练手。
21. 命名实体消歧 Named Entity Disambiguation
dice-group/AGDISTIS，实体消歧是很重要的，尤其对于实体融合（比如知识图谱中多源数据融合）、实体链接。
22. 幽默检测 Humor Detection
23. 讽刺检测 Sarcasm Detection
AniSkywalker/SarcasmDetection，基于神经网络的讽刺检测。
24. 实体链接 Entity Linking
hasibi/EntityLinkingRetrieval-ELR， 实体链接用途非常广，非常适合练手。
25. 指代消歧 Coreference Resolution
huggingface/neuralcoref，基于神经网络的指代消歧。
26. 关键词/短语抽取和社会标签推荐 Keyphrase Extraction and Social Tag Suggestion
thunlp/THUTag, 用多种方法 实现了多种关键词/短语抽取和社会标签推荐。
网友评论