NLP参考资源（四）
2018-09-25NLP参考资源
KBQA/DBQA
知识库问答（knowledge base question answering, KB-QA）即给定自然语言问题，通过对问题进行语义理解和解析，进而利用知识库进行查询、推理得出答案。
DBQA是基于文档的问答。换言之，KBQA利用的是结构化的知识，而DBQA所利用的是非结构化的文本。
https://mp.weixin.qq.com/s/GSHk-otPeyGZN5xRNehAyw
KBQA从入门到放弃—入门篇
https://mp.weixin.qq.com/s/-Zz5Cv4QJaRHdBFrGyBuLg
KBQA从入门到放弃-Part 2
https://mp.weixin.qq.com/s/NDsQzT4nktbw1fHLLFUhEQ
KBQA: 基于开放域知识库上的QA系统
参考
https://mp.weixin.qq.com/s/klfTdvfti0xCg2lGitG4hg
用户表示方法对新浪微博中用户属性分类性能影响的研究
https://mp.weixin.qq.com/s/IvbJ_d7z91BCcRVpJ9_jMA
如何用深度学习做自然语言处理？这里有份最佳实践清单
https://mp.weixin.qq.com/s/xYvYEJA0ssAOZ-NvEXQcZg
阿里小蜜这一年，经历了哪些技术变迁？
https://mp.weixin.qq.com/s/rzglhAUJVNsnbyptORH5lg
对话系统原理和实践
https://mp.weixin.qq.com/s/rXIAR37wn2tGMpR8xPdxqw
南洋理工75页最新“深度学习对话系统”大综述论文，最全面概述深度学习对话技术进展
https://mp.weixin.qq.com/s/C0hjVv2YOQw__tvSs8zn1A
OpenAI提出新型神经网络：自动计算词对象，实现实体消岐
https://mp.weixin.qq.com/s/dThV1YtMvYtToJFqgXnEzQ
谷歌大脑提出通过多文档摘要方法生成维基百科，可处理较长序列
https://mp.weixin.qq.com/s/odRDdSNNuTd5LnUf8rfRaw
Google发布语义文本相似度研究新成果：通用语句编码器
https://mp.weixin.qq.com/s/3aipKax9Md4nG8YGrGc4Tg
提高NLP语义解析准确度：融合SQL语法的生成式语义解析模型
https://mp.weixin.qq.com/s/xILU9fJhs64z8nE1-sDnOA
基于递归联合注意力的句子匹配模型
https://mp.weixin.qq.com/s/Dq-H4rUM19MaQb5W2DGlqA
用递归神经网络，撰写一份特朗普式发言稿！
https://mp.weixin.qq.com/s/VCeEz5QhGqQ5TF0lkCk40A
COLING 2018 最佳论文解读：序列标注经典模型复现
https://mp.weixin.qq.com/s/QUbZZokROzxUwy2kZZ7jeA
Hybrid semi-Markov CRF for Neural Sequence Labeling
https://mp.weixin.qq.com/s/wHweI0_LYHaW7K8jEAY74g
文综提分哪家强？上海交大找AI
https://mp.weixin.qq.com/s/yXs_bLSAIPcUOIrvJ9-0Sw
ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
https://mp.weixin.qq.com/s/C7GkZk7UWk_2XsVfn1J_lg
ACL 2018使用知识蒸馏提高基于搜索的结构预测
https://mp.weixin.qq.com/s/kbF8WnaVWf6nOpzvbELpOw
产品评论分析系统
https://mp.weixin.qq.com/s/2NLckUqFrCOwaIamwWFOqQ
基于深度 AND-OR 语法网络的目标识别方法
https://mp.weixin.qq.com/s/IVSoI6QM1uY3JLKMiha9vQ
微软亚洲研究院论文解读：基于动态词表的对话生成研究
https://mp.weixin.qq.com/s/C9UbA0482F8SvB27i-V_9Q
微软亚洲研究院周明：自然语言对话引擎
https://mp.weixin.qq.com/s/M_ZN0YuvegAnc2GXCZTt9Q
初学者指南：神经网络在自然语言处理中的应用
https://mp.weixin.qq.com/s/5DvSVL0CRJTymtXPDvS-0w
基于主题信息的神经网络作文生成模型
https://mp.weixin.qq.com/s/4Tj92Mmj2-zOHfk1Tk167w
白翔：复杂开放场景中的文本理解
https://mp.weixin.qq.com/s/Z4Mv_L68QaG7KfGmA3pBwQ
DeepMind论文解读：让机器更深入地理解文本
https://mp.weixin.qq.com/s/F9ZV4jV3UiVuKVz1aqgv9w
如何匹配两段文本的语义？
https://mp.weixin.qq.com/s/0bOg1kvSR66-8rvFDqtLIQ
用文本挖掘分析了5万首《全唐诗》，竟然发现这些秘密
http://blog.csdn.net/xizero00/article/details/51182003
论文阅读：End-To-End Memory Networks
https://mp.weixin.qq.com/s/jYpaljuvNf4CdlRUAgAL1w
Bi-LSTM+CRF在文本序列标注中的应用
https://mp.weixin.qq.com/s/OwP16MNTpFTLkpi9wnda-Q
挑战深度学习与自然语言处理的极限！
http://www.wildml.com/2016/07/deep-learning-for-chatbots-2-retrieval-based-model-tensorflow/
IMPLEMENTING A RETRIEVAL-BASED MODEL IN TENSORFLOW
https://mp.weixin.qq.com/s/vGUizRVnosd7cgxha-pimw
200行Python代码实现感知机词性标注器
https://mp.weixin.qq.com/s/0kM72uF7qa5IiinEnLC5-A
一起来看看词性标注
https://mp.weixin.qq.com/s/L04yE6J8n-Z7Cl9yt6kphA
约翰霍普金斯大学计算机科学系Jason Eisner教授总结了一系列的自然语言处理优秀教学资源
http://www.jiqizhixin.com/article/2727
ACL 2017中国研究论文解读：读懂中国自然语言处理前沿进展
https://mp.weixin.qq.com/s/ssWi6XIebW8M6_JePG7RZg
微软的NLP帝国
https://github.com/lianwj/cnn-text-classification-tf
Convolutional Neural Network for Text Classification in Tensorflow
http://blog.csdn.net/skytree/article/details/43672627
2013年7月做的一个自动应答机器人的架构
https://mp.weixin.qq.com/s/mq0PdX6oB2kr_5FyoLA4ug
机器人数学考了134分，要上清华北大NLP是最大难关
http://www.toutiao.com/a6236100205026328834/
深度学习：推动NLP领域发展的新引擎
http://dataunion.org/9331.html
深度学习、自然语言处理和表征方法
https://www.zhihu.com/question/46272554
如何评价SyntaxNet
https://mp.weixin.qq.com/s/6_FHq8IrkAW_Y5FSYcJ0fw
CMU与谷歌大脑联合出品：62页PPT带你理解SQuAD大赛冠军–QANet
https://mp.weixin.qq.com/s/uWMGJmiEfahRql1sn1B0hA
通过全新学习和推断机制提升seq2seq模型的语法改错性能
https://mp.weixin.qq.com/s/_O4YqFK2xkFuB4nTbcu1cw
哈佛NLP组论文解读：基于隐变量的注意力模型
https://mp.weixin.qq.com/s/6BIspcIQrn7k3VQ9NP63Ng
DeepMind提出空间语言集成模型SLIM，有效编码自然语言的空间关系
https://mp.weixin.qq.com/s/eehpqW2H3wWCOa6r8jbEvQ
ACL 2018 鲁棒、无偏的NLP训练方法
https://mp.weixin.qq.com/s/e6YXItElVa5iaY8Txi8wzA
NAACL2018tutorial深度学习在智能对话系统中应用
https://mp.weixin.qq.com/s/29vqbjnTkHsq2Fv9ZyMOVQ
COLING 2018 基于目标依赖财经文档表示学习的累积超额收益预测
https://mp.weixin.qq.com/s/nTLxvrxnKRmHl8ZDWxI42Q
结合通用和专用NMT的优势，CMU为NMT引入“语境参数生成器”
https://mp.weixin.qq.com/s/emuKFxxHoRl3M8Lg3oA9Jw
2018 NLPCC Chinese Grammatical Error Correction论文小结
https://mp.weixin.qq.com/s/2-Uzlp4PBcDC6V0jW35KaQ
NLG ≠ 机器写作
https://mp.weixin.qq.com/s/rn-yv510ff5IKq0cL5bypQ
新加坡科技设计大学杨杰：Recent Advances in Sequence Labeling
https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651009365&idx=4&sn=b8a0bcf9c17bee15a23a4585291788d3
百度UNIT对话系统核心技术解析
https://mp.weixin.qq.com/s/yC8uYwti9Meyt83xkmbmcg
小哥哥，检索式chatbot了解一下？
https://mp.weixin.qq.com/s/hbanc8seKkbqv-WfJRFw7Q
自然语言处理(NLP)前沿进展报告
https://mp.weixin.qq.com/s/Boake8McJdWfoTRLFwxQRA
国防科大登顶SQuAD 2.0排行榜，机器阅读也要“不知为不知”
https://mp.weixin.qq.com/s/9hEEh4HpVHk-GD5gi9MZSw
“天猫精灵”如何为你写诗？人机共创的秘密在这儿
https://mp.weixin.qq.com/s/icGEBkHP_xeOIdL8vM0K2A
面向任务型对话中基于对话状态表示的序列到序列学习
https://mp.weixin.qq.com/s/EdrK-IT3rlVaw8wCcBLSOw
如何玩转自然语言理解和深度学习实践？
https://mp.weixin.qq.com/s/pXmYJA6-1vtHTwTNanLovQ
Encoder-Decoder自动生成对联，要试试么？
https://mp.weixin.qq.com/s/ZU9QUKDgEuqpTaViAbQfuw
DeepMind提出空间语言集成模型SLIM，有效编码自然语言的空间关系
https://mp.weixin.qq.com/s/fSYU4Xl4vdlWTgIPo0mS7Q
哈工大讯飞联合实验室勇夺中文语法检错大赛冠军
https://mp.weixin.qq.com/s/kRzWXlXBEJqFhfBTzbaDxg
神经语义解析 Neural Semantic Parsing综述
https://mp.weixin.qq.com/s/tFDA4ZfrLnFocgs5SdDnUQ
关于语义和语用的100件事
https://mp.weixin.qq.com/s/2qa2o9nkJL5wrXJRmsSKUg
COLING 2018上下文敏感的开放域对话回复生成
https://mp.weixin.qq.com/s/IA0kPncWRVx0JBQXvJLY6w
微信高级研究员解析深度学习在NLP中的发展和应用
https://zhuanlan.zhihu.com/p/40988001
多轮对话状态管理（DST）–模型介绍篇
https://mp.weixin.qq.com/s/PrrEUHXrmBEnOegP5jqOJg
你知道《圣经》中的主要角色有哪些吗？三种NLP工具将告诉你答案！
https://mp.weixin.qq.com/s/8LV27Hn5JKS7Zo1omRMxzA
基于汉语短文本对话的立场检测系统理论与实践
https://mp.weixin.qq.com/s/PRhhpoYqjMSZCPgrcfqibw
基于序列到序列模型的句子级复述生成
https://mp.weixin.qq.com/s/oMKhVtCTmQKLTmhMx008MA
基于背景知识的对话模型
https://mp.weixin.qq.com/s/PGj1IjLPz-RmTaLbcnYNCw
自然语言处理领军人刘兵：没有终身学习，机器不可能智能
https://mp.weixin.qq.com/s/p8gEbamEbJBp_wzsy8_21A
词义的动态变迁
https://zhuanlan.zhihu.com/p/41944121
NLP系列学习：意图识别
https://mp.weixin.qq.com/s/C-Oh0bmpEon1Oeq5M6Q1GQ
针对商品标题冗长问题，阿里工程师怎么解决？
https://mp.weixin.qq.com/s/Pj_sfced_IfjwoeA-_vvMg
COLING 2018对话语义理解的序列到序列数据增强
https://mp.weixin.qq.com/s/R-BuHOYFEadVe0yx5q92Dg
文本表示简介
https://mp.weixin.qq.com/s/qW-0zGvMi4qjT_KtGat4mQ
TreeGAN：为序列生成任务构建有句法意识的GAN
https://mp.weixin.qq.com/s/9Q9i1GyB0vqxGpdlOgKL0w
不会写作文？试试这个文本模板生成系统呗
https://zhuanlan.zhihu.com/p/46206946
全局语义语境能改善神经语言模型吗？
https://mp.weixin.qq.com/s/2Ksovh6BDnFxs6Y2lOv6ww
联合学习离散句法结构和连续词表征的无监督方法
https://mp.weixin.qq.com/s/A-PKyZcXwOz-2lL-hBmjsA
自然语言处理中的语言模型预训练方法
https://mp.weixin.qq.com/s/gZ4N18jvM_0oUvOaKBBxfQ
你已经是个成熟的表格了，该学会自然语言处理了
https://mp.weixin.qq.com/s/EIlDzd-Fnzo_iCS3SJw3JQ
基于神经网络的文本生成前沿综述
https://mp.weixin.qq.com/s/Srpv04X2vaIr2da4xbEMdg
从对话生成和文本风格转化看文本生成技术
https://mp.weixin.qq.com/s/DeLB7mV9p-MX-c9LI-XwBQ
文本生成魔改方案汇总
https://zhuanlan.zhihu.com/p/47949269
开放域下的对话系统
https://mp.weixin.qq.com/s/dXU-HMi8LIjVTwzfMqOzuQ
自然语言中的深度隐变量模型
https://mp.weixin.qq.com/s/kef7F8hlkavvVpD1gQt8hA
几千条文本库也能做机器学习！NLP小数据集训练指南
https://mp.weixin.qq.com/s/jFfGU8yHsNAfDxYnbLPk3Q
基于文本蕴含识别的答案验证技术研究
https://zhuanlan.zhihu.com/p/50349824
利用词向量和WordNet识别和解释隐喻词
https://mp.weixin.qq.com/s/rLFm2J6Bao6H5Qj9Fw0wUg
百度陈翔：基于机器学习的搜索语义理解技术！
