keesh0410 / nlp_projects Goto Github PK

NLP项目汇总，邮箱：[email protected]

• “Distributed Representations of Words and Phrases and their Compositionality”论文的简单复现，实现skip-gram模型。用text8数据集来训练输入输出两个词向量矩阵，保存输入词向量矩阵后在simlex-999、men、wordsim353三个数据集上进行词向量的评估

• 使用text8作为数据集，选择LSTM模型训练并保存语言模型，在测试集上用Perplexity对语言模型评估

• 使用IMDb电影评论数据集并用torchtext做数据预处理，分别用Word Averaging/RNN/CNN三种模型来做情感分析，检测一段文本的情感是正面还是负面的，保存三种最好的训练模型结果并对其进行评估

• 没有attention的encoder-decoder模型实现机器翻译

• encoder-decoder+attention实现机器翻译

• THUCNews数据集，包括18万条训练集，1万条验证集和1万的测试集，利用Bert预训练模型，完成各种Bert+模型的训练和文本分类

提供预训练模型下载（模型来自https://github.com/ymcui/Chinese-BERT-wwm里的RoBERTa-wwm-ext-large, Chinese）：

链接：https://pan.baidu.com/s/1LonaTPprR6q9x4zPhj9uKQ 提取码：t93l

模型下载后放在 ‘bert_pretrained/roberta’ 文件夹下即可

• 数据集：SQuAD1.0

BiDAF模型完成阅读理解任务

7-推荐系统

• 电影推荐：数据集MovieLens
• 文本推荐：亚马逊商品评论数据集，模型使用双塔roberta来编码用户向量和商品向量，计算相似度