公眾號往期文章學習

作者：楊夕

介紹：本項目是作者們根據(jù)個人面試和經(jīng)驗總結(jié)出的自然語言處理(NLP)面試準備的學習筆記與資料，該資料目前包含 自然語言處理各領域的 面試題積累。

NLP 百面百搭 地址：https://github.com/km1994/NLP-Interview-Notes

推薦系統(tǒng) 百面百搭 地址：https://github.com/km1994/RES-Interview-Notes

搜索引擎 百面百搭 地址：https://github.com/km1994/search-engine-Interview-Notes 【編寫ing】

NLP論文學習筆記：https://github.com/km1994/nlp_paper_study

推薦系統(tǒng)論文學習筆記：https://github.com/km1994/RS_paper_study

GCN 論文學習筆記：https://github.com/km1994/GCN_study

推廣搜 軍火庫：https://github.com/km1994/recommendation_advertisement_search

【注：手機閱讀可能圖片打不開?。?！】

所有文章

五谷雜糧

• ?超1900星標！自然語言處理論文學習筆記

• ?超500星標！自然語言處理 面經(jīng)

• ?超500星標！推薦系統(tǒng) 面經(jīng)

• 推廣搜 軍火庫【持續(xù)更新】

NLP百面百搭

• 【算法基礎篇】

• 【關于 過擬合和欠擬合】那些你不知道的事

• 【關于 BatchNorm vs LayerNorm】那些你不知道的事

• 【關于 激活函數(shù)】那些你不知道的事

• 【關于 正則化】那些你不知道的事

• 【關于 優(yōu)化算法】那些你不知道的事

• 【關于 歸一化】那些你不知道的事

• 【關于 判別式（discriminative）模型 vs. 生成式(generative)模型】 那些你不知道的事
  

• 【機器學習篇】

• 【關于 邏輯回歸】那些你不知道的事

• 【關于 支持向量機】 那些你不知道的事

• 【關于 集成學習】那些你不知道的事
  

• 【深度學習篇】
  

• 【關于 CNN】那些你不知道的事(上)

• 【關于 CNN】那些你不知道的事(下)

• 【關于 Attention 】那些你不知道的事

• 【關于Transformer】 那些的你不知道的事（上）

• 【關于Transformer】 那些的你不知道的事（中）

• 【關于Transformer】 那些的你不知道的事 (下)

• 【預訓練模型篇】

• 【關于 TF-idf】 那些你不知道的事

• 【關于 Word2vec】 那些你不知道的事

• 【關于 fastText】 那些你不知道的事

• 【關于Bert】 那些的你不知道的事(上)

• 【關于Bert】 那些的你不知道的事(下)

• 【關于 Bert 源碼解析I 之 主體篇 】 那些的你不知道的事

• 【關于 Bert 源碼解析II 之 預訓練篇 】 那些的你不知道的事

• 【關于 Bert 源碼解析III 之 微調(diào) 篇 】 那些的你不知道的事

• 【關于 Bert 源碼解析IV 之 句向量生成篇 】 那些的你不知道的事

• 【Bert 越大越精篇】
  

• 【關于 Bert 越大越精序列】那些的你不知道的事（一）

• 【關于 Bert 越大越精序列】那些的你不知道的事（二）

• 【關于 Bert 越大越精序列】那些的你不知道的事（三）

• 【Bert 短小精悍篇】

• 【關于 Bert 壓縮】 那些你不知道的事

• 【關于 BERT to TextCNN】那些你不知道的事

• 【關于 FastBERT 實現(xiàn)】那些你不知道的事

• 【關于自訓練 + 預訓練 = 更好的自然語言理解模型 】 那些的你不知道的事
  

• 【文本分類篇】

• 【關于 文本分類】那些你不知道的事

• 【關于 文本分類 trick】那些你不知道的事
  

• 【關鍵詞提取】

• 【關于 關鍵詞提取】 那些你不知道的事

• 【關于 KeyBERT 】 那些你不知道的事
  

• 【命名實體識別】

• 【關于 HMM】 那些你不知道的事

• 【關于 MEMM】 那些你不知道的事

• 【關于 CRF】 那些你不知道的事

• 【關于 DNN-CRF】 那些你不知道的事

• 【其他】

• 
  
  

Rasa 對話系統(tǒng)

• 《【社區(qū)說】一起來聊聊 Rasa 3.0》 不完全筆記

• （一）對話機器人概述

• （二）RASA開源引擎介紹

• （三）RASA NLU語言模型

• （四）RASA NLU分詞器

• （五）RASA NLU特征生成器

• （六）RASA NLU意圖分類器

• （七）RASA NLU實體提取器

• （九）RASA自定義pipeline組件

• （十）RASA CORE Policy

• （十一）RASA CORE Action

• （十二）RASA Domain

• （十三）RASA 訓練數(shù)據(jù)

• （十四）RASA story

• （十五）Rasa Rules

• （十六）RASA最佳實踐

• （十七）基于RASA開始中文機器人

• （十八）基于RASA開始中文機器人實現(xiàn)機制

• （十九）基于知識圖譜的問答系統(tǒng)（KBQA）

• （二十）基于閱讀理解的問答系統(tǒng)

• （二十一）RASA應用常見問題

• （二十二）RASA的超參數(shù)優(yōu)化

• （二十三）機器人測試與評估

• （二十四）利用Rasa Forms創(chuàng)建上下文對話助手

• DIET：Dual Intent and Entity Transformer——RASA論文翻譯

知識圖譜入門

• 浙大圖譜講義 | 第一講-知識圖譜概論 — 第1節(jié)-語言與知識
  

• 浙大圖譜講義 | 第一講-知識圖譜概論 — 第2節(jié)-知識圖譜的起源
  

• 圖譜講義 | 第一講-第3節(jié)-知識圖譜的價值

• 圖譜講義 | 第一講-第4節(jié)-知識圖譜的技術內(nèi)涵

• 圖譜講義 | 第二講-第1節(jié)-什么是知識表示
  

轉(zhuǎn)載記錄

• ?Bert與TensorRT部署手冊，享受絲滑的順暢
  

• ?句向量新方案CoSENT實踐記錄

• CHIP2021|臨床術語標準化第三名方案開源
  

• CHIP2021 | 醫(yī)學對話臨床發(fā)現(xiàn)陰陽性判別任務第一名方案開源

• ?破解transformer八股，快問快答

• ?BERT可視化工具bertviz體驗

• ?PRGC：一種新的聯(lián)合關系抽取模型?
  

• ?給神經(jīng)網(wǎng)絡加入先驗知識！

• CBLUE中文醫(yī)學語言理解測評Baseline