优质cn_nlp资源集合，做项目一定用得到！

 

应用在寻找失踪人口项目中，从文本信息中抽取一些基本信息，比如手机号、邮箱、手机归属地、时间点、地址和一些词组信息。比如：phone 中国手机归属地查询、抽取email的正则表达式、抽取phone_number的正则表达式、人名语料库、时间抽取等。

1. textfilter: 中英文敏感词过滤 

https://github.com/observerss/textfilter

2. langid：97种语言检测 

https://github.com/saffsd/langid.py

3. langdetect：检测另一种语言

https://code.google.com/archive/p/language-detection/

4. phone国际手机、电话归属地查询：

https://github.com/AfterShip/phone

6. ngender：根据名字判断性别，基于朴素贝叶斯计算的概率

https://github.com/observerss/ngender

7.抽取身份证号的正则表达式

IDCards_pattern=r'^([1-9]\d{5}[12]\d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])\d{3}[0-9xX])$'

IDs = re.findall(IDCards_pattern, text, flags=0)

8.中文缩写库

https://github.com/zhangyics/Chinese-abbreviation-dataset/blob/master/dev_set.txt

9.汉语拆字词典

https://github.com/kfcd/chaizi

10.词汇情感值

https://github.com/rainarch/SentiBridge/blob/master/Entity_Emotion_Express/CCF_data/pair_mine_result

11.中文词库、停用词、敏感词，此 package 的敏感词库分类更细，包含反动词库， 敏感词库表统计， 暴恐词库， 民生词库， 色情词库

https://github.com/fighting41love/Chinese_from_dongxiexidian

12.汉字转拼音

https://github.com/mozillazg/python-pinyin

13.同义词库、反义词库、否定词库

https://github.com/guotong1988/chinese_dictionary

14.无空格英文串分割、抽取单词

https://github.com/keredson/wordninja

15.THU整理的词库，包含 IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库

http://thuocl.thunlp.org/sendMessage

16.百度中文问答数据集

链接：

https://pan.baidu.com/s/1QUsKcFWZ7Tg1dk_AbldZ1A

提取码: 2dva

17.Bert 资源

• 文本分类实践

https://github.com/NLPScott/bert-Chinese-classification-task

• Bert Tutorial 文本分类教程

https://github.com/Socialbird-AILab/BERT-Classification-Tutorial

• Bert pytorch实现

https://github.com/huggingface/pytorch-pretrained-BERT

• Bert用于中文命名实体识别，tensorflow版本

https://github.com/macanv/BERT-BiLSTM-CRF-NER

• Bert 基于 Keras 的封装分类标注框架 Kashgari，几分钟即可搭建一个分类或者序列标注模型

https://github.com/BrikerMan/Kashgari

• Bert、ELMO的图解

https://jalammar.github.io/illustrated-bert/

• Bert: Pre-trained models and downstream applications

https://github.com/asyml/texar/tree/master/examples/bert

本文转载自：https://www.jiqizhixin.com/articles/2019-03-04-8，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有。