传统自然语言处理任务入口

NLP归纳大一览
自然语言处理学习路径和知识点

一些git模型资源和地址

============================================================================

对话：

对话系统综述
对话领域一些文章-检索式/问答QA/KBQA

=========================================================================================

语言模型

语言模型介绍
语言模型中数据平滑方法

词向量

中文分词&新词发现

=================
词向量表示–静态（one-hot，共现矩阵，词袋模型BOW，word2vector，glove， Fasttext）–动态（ELMO，GPT，Bert）

word2vector细致分解(CBOW, SKIP_GRAM, 层次soft Max， 负采样)

=================

句向量获取（从词获取IDF/SIF加权）（直接训练doc2vec, ）（训练优化skip thought, quick-thought, InferSent,Universal Sentence Encoder）

bert句向量表示优化 -sentenceBERT，BERT-FLOW，BERT-whitening，TASDAE，simCSE，ConSERT, coSENT，PairSupCon，PromptBERT

句子表征-文本匹配–representation-based/interactive-based(infersent/ esim)

一些技术

倒排索引
词性标注
TF_IDF，TF-IWF
主题模型LSA,PLSA，LDA

图网络

GCN-＞GAT

数据增强

数据增强

NER任务

bert+crf效果？
Globalpointer
NER 任务以及联合提槽任务

分类任务

文本分类常用的模型
文本分类相关经验tricks
文本分类任务中一些可以尝试的方法

FAQ 文本匹配

FAQ相关论文阅读
论文阅读–相似文本匹配
文本语义匹配模型比赛可以尝试的方法和trick

相似句生成和检索simbert -> roformer-sim
ROFORMER 相似句预训练模型
相似句生成复述模型-seq2seq->LASSERTAGGER-

机器翻译

机器翻译
transformer做翻译模型

阅读理解

阅读理解(单项选择)尝试方法
多选项问题候选评估
RACE数据集上相关的研究
逻辑推理阅读理解任务和方法

=========================================================================================