NLP参考资源（三）
2018-01-11NLP参考资源
命名实体识别（续）
https://mp.weixin.qq.com/s/5fl9jmEolYOxMjaMw746OQ
基于深度学习的命名实体识别
https://zhuanlan.zhihu.com/p/70618710
初识NER
https://mp.weixin.qq.com/s/yJC3NtD13LEVovDYK7-u1A
命名实体识别难在哪？
https://mp.weixin.qq.com/s/DfXTwu2dobjmR1Xd3PG9Zg
美团搜索中NER技术的探索与实践
https://mp.weixin.qq.com/s/O4DNQbEuvFapZmYWa2jRUQ
命名实体识别的深度学习综述
https://mp.weixin.qq.com/s/yQWgykaQEnTHOca8MPLSKw
NLP集大成之命名实体识别
文本匹配
https://zhuanlan.zhihu.com/p/111769969
谈谈文本匹配和多轮检索
https://mp.weixin.qq.com/s/5toWf90bJeSMGso6HaNTMQ
腾讯提出用于文本匹配的多信道信息交叉模型，在真实任务中表现优异
https://zhuanlan.zhihu.com/p/111768258
Question Answering论文
https://mp.weixin.qq.com/s/trDAoPgcsHr0Tz0AT5N3HQ
京东电商场景下的AI实践-基于关键词自动生成摘要
https://mp.weixin.qq.com/s/Aye9FBwG-v2JO2MLoEjo0g
事实感知的生成式文本摘要
https://zhuanlan.zhihu.com/p/113219895
Text Summarization文本摘要与注意力机制
https://zhuanlan.zhihu.com/p/135468859
2015-2019年摘要模型（Summarization Model）发展综述（一）
https://zhuanlan.zhihu.com/p/138282654
2015-2019年摘要模型（Summarization Model）发展综述（二）
句法分析
传统方法主要是PCFG （Probabilistic Context-Free Grammar）。
https://blog.csdn.net/continueOo/article/details/72851724
统计自然语言处理（概率上下文无关文法）
http://mp.weixin.qq.com/s?__biz=MzI4MDYzNzg4Mw==&mid=2247483922&idx=1&sn=cffbaf797cc58e303a65a8a2ae370b86
句法分析（syntactic parsing）在NLP领域的应用是怎样的？
https://mp.weixin.qq.com/s/80bduM27Xv7zCC4saYgwpQ
句法分析综述
http://www.cnblogs.com/CheeseZH/p/5768389.html
依存句法分析与语义依存分析的区别
https://mp.weixin.qq.com/s/r-mndw2BKHdVq-jKLinYZQ
别说还不懂依存句法分析
https://mp.weixin.qq.com/s/XP0V6v__O4wxpjPSC5O7vw
一文了解成分句法分析
https://mp.weixin.qq.com/s/DN_PeqF1JUZfIl0kNCwFng
联合汉语分词和依存句法分析的统一模型：当前效果最佳
https://mp.weixin.qq.com/s/Vy7OxAojvgndgGkvmFrBKw
61页slides理解句法分析过程
https://mp.weixin.qq.com/s/CxpyMUPnKFCTpw6WgG0kqg
依存句法分析的任务以及形式化定义
阅读理解
https://mp.weixin.qq.com/s/kdbaMyDLC5YaOMqTAOyLAg
斯坦福陈丹琦博士论文：神经网络阅读理解与更多（附156页pdf）
https://chendq-thesis-zh.readthedocs.io/en/latest/
陈丹琦博士论文翻译：Neural Reading Comprehension and Beyond
https://mp.weixin.qq.com/s/7UnUedr8tapwFeRnHVOkjA
阿里巴巴人工智能机器阅读理解能力创新纪录
https://mp.weixin.qq.com/s/Su7tGSWX2bG1UKQU-nGC5A
解读R-Net：微软“超越人类”的阅读理解人工智能
https://mp.weixin.qq.com/s/41mynm-vB5mpLPcR-ByOdA
北大与百度提出多文章验证方法：让机器验证阅读理解候选答案
https://mp.weixin.qq.com/s/mgeQXkEWu5JlZxyAM0yiaQ
充分利用候选项的选择型机器阅读理解模型
https://mp.weixin.qq.com/s/TnG2iYwQpJ4ugdWf-ORP-Q
一览微软在机器阅读理解、推荐系统、人机对话等最新研究进展
https://mp.weixin.qq.com/s/ONmwKV6VyYVt2S6lOBrE5g
神经机器阅读理解：方法与趋势，附39页最新综述下载
聊天机器人
http://www.shareditor.com/bloglistbytag/?tagname=%E8%87%AA%E5%B7%B1%E5%8A%A8%E6%89%8B%E5%81%9A%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA
实战课程：自己动手做聊天机器人
https://mp.weixin.qq.com/s/ZL6T-8M-KfA5wSHcao_PDw
152页基于深度学习的聊天机器人全面总结
https://mp.weixin.qq.com/s/mekBRtHcXqbMJiN1CgbgQg
聊天机器人是如何工作的：基于深度学习的对话系统教程 152页PPT
https://mp.weixin.qq.com/s/LoIrR-0roO1FO7BRuiVu9A
能干活的聊天机器人-对话系统概述
https://mp.weixin.qq.com/s/8KxHKWwhKAsi8c3kvlm6sw
能闲聊的端到端生成型聊天机器人背后都有哪些技术？
https://mp.weixin.qq.com/s/Vh3bCO-ZYoBJLqCTPCpggg
论如何为聊天机器人定义一个固定的人格
https://mp.weixin.qq.com/s/sM72a52wz6eXSkcgnd4JJw
人类与机器人，如何能像朋友一样愉快聊天？
https://mp.weixin.qq.com/s/vt25TVX-tcurtAC63dYYNA
让聊天机器人同你聊得更带劲-对话策略学习
http://blog.csdn.net/malefactor/article/details/52166235
聊天机器人中对话模板的高效匹配方法
https://mp.weixin.qq.com/s/ouNxUvWC_mxap6P5z6_dFA
教聊天机器人进行多轮对话
http://www.jianshu.com/p/43db6425ad33
如何为聊天机器人设计数据通道
https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247484926&idx=1&sn=4e34a442c126c46bba27a7f17df3e61e
聊天机器人Chatbot知识资料全集
https://mp.weixin.qq.com/s/bzjRlFfh7tz4OWVpGnNPwQ
揭秘阿里小蜜：基于检索模型和生成模型相结合的聊天引擎
https://mp.weixin.qq.com/s/h6BjW1nrV4z30eWfny7Wzw
聊天机器人落地及进阶实战
https://mp.weixin.qq.com/s/ziM0U-KEePjZLNMhK5PVXA
基于金融-司法领域(兼有闲聊性质)的聊天机器人
https://mp.weixin.qq.com/s/Tk-WWuYp-CBx0p-mBWm5Jg
开发聊天机器人必读的重要论文
https://mp.weixin.qq.com/s/ZexnTKHEFKPso5fhZNQfQQ
聊天机器人中用户出行消费意图识别方法研究
https://mp.weixin.qq.com/s/jifGPaxdqVii3q6gG4F2ag
Google工程师带你了解聊天机器人的工作原理和未来发展
https://mp.weixin.qq.com/s/yeNR0krycswD8cHaN6wa6A
人机对话技术研究进展与思考
https://mp.weixin.qq.com/s/nJItYkjGtlC5fLYWwidduA
聊天机器人的几种主要架构实现
https://mp.weixin.qq.com/s/7BVVtILwtKuFUKLIjrsNaw
端到端学习对话人工智能，附237页PPT下载
https://mp.weixin.qq.com/s/Xv9c5D3sEBVHhcBcbg5SEg
聊天机器人技术的研究进展
关系抽取
https://mp.weixin.qq.com/s/Rbom_XNFcc0PrJQRvWkVfA
信息抽取(Information Extraction:NER(命名实体识别),关系抽取)
https://mp.weixin.qq.com/s/yN0lOmA0XmqIntqLgwn-TQ
我们眼中的“关系抽取”
https://www.cnblogs.com/vpegasus/p/re.html
关系抽取
https://mp.weixin.qq.com/s/1TcIC2BFmswQAoC-86QBaw
基于句法结构与语义信息核函数的搭配关系抽取
https://mp.weixin.qq.com/s/wqJP64BuIT27Le6esZNdLg
浅析深度学习在实体识别和关系抽取中的应用
http://www.crownpku.com//2017/08/19/%E7%94%A8Bi-GRU%E5%92%8C%E5%AD%97%E5%90%91%E9%87%8F%E5%81%9A%E7%AB%AF%E5%88%B0%E7%AB%AF%E7%9A%84%E4%B8%AD%E6%96%87%E5%85%B3%E7%B3%BB%E6%8A%BD%E5%8F%96.html
用Bi-GRU和字向量做端到端的中文关系抽取
https://mp.weixin.qq.com/s/PGjIWuBGAVG9C9X9d1aKaQ
史上最可爱的关系抽取指南？从一条规则到十个开源项目
https://mp.weixin.qq.com/s/1WtJEqhxCtBKVRs_-EevjA
基于排序思想的弱监督关系抽取选种与降噪算法
https://mp.weixin.qq.com/s/2zFOjOuDKo–wTvu5rVWNw
基于局内去噪和迁移学习的关系抽取
https://mp.weixin.qq.com/s/eI-u_RsabtuyRajDYnnZDg
基于深度强化学习的远程监督关系抽取
https://mp.weixin.qq.com/s/AhoEzujMVUU-P7j5z_8sVQ
基于神经网络的实体识别和关系抽取联合学习
https://mp.weixin.qq.com/s/PPAIARqkYqaIYRD7SFOtBg
基于分层强化学习的关系抽取
https://mp.weixin.qq.com/s/HaJtc7XlCPh0KdGnUehkcg
万字长文详解文本抽取：从算法理论到实践
https://mp.weixin.qq.com/s/gyuq2ujb1tiAvAlXtZY4Eg
聊聊“事件抽取”
https://mp.weixin.qq.com/s/PmdARJQC8O42huzxZNSz3A
搭建基于依存句法和短语结构句法结合的金融领域事件元素抽取系统实践
https://mp.weixin.qq.com/s/FvQUvyB32XZt0AIS0m6KDw
基于连通图的篇章级事件抽取与相关度计算
https://mp.weixin.qq.com/s/-zDMPfR1wWSV9A7HDzJlZA
事件抽取及推理(上)
https://mp.weixin.qq.com/s/GtO3Zf87BTbBQqHAtgAmlA
事件抽取及推理(下)
https://mp.weixin.qq.com/s/5jjzE3cG5OAXRB9hZ5DFIw
事件抽取综述（上）
https://mp.weixin.qq.com/s/EXS-KXd-UE1Vovvzulqj2g
事件抽取综述（中）
https://mp.weixin.qq.com/s/X0UbooOJ5B067wilXq4F2A
事件抽取综述（下）
https://mp.weixin.qq.com/s/JY6Mu7NMtEnmjEgHCg_eYg
文本信息抽取与结构化
https://mp.weixin.qq.com/s/MGPne4SotdHVWu2cIZvfog
深入了解关系抽取你需要知道的东西
https://mp.weixin.qq.com/s/J1-0A2Wc2xNqqW14uIkigQ
NLP中关系抽取的概念，发展及其展望
https://mp.weixin.qq.com/s/q3QAfxw8k1ZAWl-NZPw5qA
如何使用卷积神经网络进行关系抽取
https://mp.weixin.qq.com/s/azD5OKyTxYVVZM8eho4JXA
关系抽取到底在乎什么？
短文本相似度
https://wenku.baidu.com/view/d38ab1e8856a561252d36fab.html
短文本相似度计算在用户交互式问答系统中的应用
https://zhuanlan.zhihu.com/p/113224707
传统方法BM25解决短文本相似度问题
https://mp.weixin.qq.com/s/rhlSlrGwgUvDITZ06tfSzg
短文本相似度算法研究
https://zhuanlan.zhihu.com/p/164957257
WMD系列方法介绍（词移距离方法）
https://mp.weixin.qq.com/s/UTtdu1ONK2XnOOaLSk1hfg
从单词嵌入到文档距离 ：WMD一种有效的文档分类方法
https://mp.weixin.qq.com/s/mg5LtMj6hEqwKbJcdjA-eg
竞赛中的文本相似性！
文本摘要
https://mp.weixin.qq.com/s/jk1XgnuydrsTg3HvV0CVvw
当深度学习遇见自动文本摘要
https://mp.weixin.qq.com/s/NGpDrYilAeuH6pQji0ujaA
文本摘要简述
https://mp.weixin.qq.com/s/Z5fhodIOWZbt8eZ8BICkyA
自动文本摘要研究综述
https://mp.weixin.qq.com/s/bcpjkuRtErSRfJPsAnAWWQ
用深度学习做文本摘要
https://zhuanlan.zhihu.com/p/111266615
文本摘要(text summarization)最新研究热点、发展趋势，里程碑论文推荐
https://mp.weixin.qq.com/s/z7BlFHfStYEtNzl1EorokA
文章太长不想看？ML文本自动摘要了解一下
https://mp.weixin.qq.com/s/gDZyTbM1nw3fbEnU–y3nQ
Python利用深度学习进行文本摘要的综合指南
https://mp.weixin.qq.com/s/byKEY726MfEtKwsip-go1Q
AI攒论文指日可待？Transformer生成论文摘要方法已出
https://zhuanlan.zhihu.com/p/83596443
文本自动摘要任务的“不完全”心得总结
https://blog.csdn.net/zhangxb35/article/details/78626799
Text Summarization综述
https://zhuanlan.zhihu.com/p/84730122
BottleSum——文本摘要论文系列解读
https://mp.weixin.qq.com/s/vjnENPxXzrjKW2ACD3HDkA
抽取式摘要之SUMO
https://mp.weixin.qq.com/s/Bmou2Fx8a0-60Aqycrg4ug
基于句子嵌入的无监督文本摘要
https://mp.weixin.qq.com/s/GcLDWcRIowK0EFtR-k2cmA
抽取式摘要最新研究进展
