这个仓库中收集了从 2013 年到现在关于 QA 的数据集，每个数据集作者都给出了相应的介绍和下载地址。
项目 GitHub 地址[……]
标签：自然语言处理
中文医疗 NLP 资源
这个仓库里包括有医疗 NLP 领域（主要关注中文） 评测数据集 与 论文等相关资源。包括 ——
- 中文评测数据集
- 中文医学知识图谱
- 英文数据集
- 相关论文
- 中文医疗领域语料
- 医学 Embedding
- 开源工具包
- 工业级产品/解决方案
项目 GitHub 地址[……]
开源教程 「NLP-Tutorial」
这个项目并不复杂，但却包含了基本的嵌入式表征模型、CNN、RNN、注意力模型、Transformer 等的 13 个重要模型的核心代码实现。整体而言，基本所有代码都是作者自己完成的，当然都会借鉴已有的实现。很多模型都同时有 TensorFlow 和 PyTorch 两种版本，但像 Transformer 和 BERT 等拥有谷歌官方实现的模型，作者只提供了 PyTorch 实现。据作者介绍，随后他计划将添加 Keras 版本的实现。
引入瞩目的是，这个项目中几乎所有模型的代码实现长度都在 100 行左右（除了注释和空行外），很多预处理、模型持久化和可视化等操作都被简化或删除了。因此精简后[……]
ACL 2019 论文代码开源
最火 NLP 项目发布 1,008 种机器翻译模型，涵盖 140 种语言组合
现在，你可以用 GitHub 上最火的 NLP 项目做机器翻译了。
没错，就是 Hugging Face （抱抱脸）标星 26.9 k 的 Transformer 项目。在最新更新的版本里，抱抱脸发布了 1,008 种模型，正式涉足机器翻译领域。模型涵盖 140 种不同语言组合，中文翻英文，英文译法语，法语翻阿拉伯语 …… 还能一对多翻译。据抱抱脸介绍，这1000+模型，是研究人员使用无监督学习和 OPUS 数据集训练的。OPUS 项目来自赫尔辛基大学及其全球合作伙伴，旨在收集和开源各种语言数据集，尤其是低资源（小语种）语言数据集。
项目 GitHub 地址[……]
上下文词向量与预训练语言模型：BERT 到 T5
超轻量级中文 OCR
光学字符识别（OCR）技术已经得到了广泛应用。比如发票上用来识别关键字样，搜题 App 用来识别书本上的试题等。近期，这个叫做 chineseocr_lite 的 OCR 项目开源了，这是一个超轻量级中文 OCR 实现中文自然场景文字检测及识别。该项目支持竖排文字识别，支持 ncnn 推理，psenet (8.5M) + crnn (6.3M) + anglenet (1.5M) 总模型仅 17M。
项目 GitHub 地址[……]
fast.ai 面向 Pytorch 的深度学习新书开源
fast.ai 的创始人、前 Kaggle 首席科学家 Jeremy Howard 教授在 Github 上开源了和 Sylvain Gugger 合著的新书《Deep Learning for Coders with fastai and PyTorch》的初稿。全书草稿已公布 22 章，通过这份它你将学到：
- 如何在计算机视觉、自然语言处理、推荐系统、表格和时间序列数据分析中创建最先进的模型
- 如何使用全新的 fastai v2 库和 PyTorch
- 深度学习的基础：什么是神经网络，它们是如何训练的，以及它们如何进行预测
- 为什么以及如何使用深度学习模型，以及如何使用[……]
MIT 在线文本转语音应用
中文自然语言处理数据集搜索引擎
本项目，可能是目前最全的中文 NLP 数据集信息收集及搜索引擎。该项目收集了一百多条中文自然语言处理数据信息，并以搜索的形式展示结果。我们只要键入关键词，或者数据集所属的领域等信息，就能找到对应的数据集。
项目中的 NLP 数据集囊括了 NER、QA、情感分析、文本分类、文本分配、文本摘要、机器翻译、知识图谱、语料库以及阅读理解等 10 大类共 142 个数据集。对于每一个数据集，项目作者都提供了数据集名称、更新时间、数据集提供者、说明、关键字、类别以及论文地址等几方面的信息。
项目 GitHub 地址[……]