机器学习、自然语言处理、大数据和keras学习资料

中文keras学习资料

http://blog.csdn.net/zhoubl668/article/details/45559955

http://keras-cn.readthedocs.io/en/latest/#keras_1

支持向量机通俗导论（理解SVM的三层境界）

http://blog.csdn.net/v_july_v/article/details/7624837

神经网络语言模型

http://www.open-open.com/lib/view/open1426578842601.html

大数据

数据挖掘有很多不同的实施方法，如果只是把数据拉到Excel表格中计算一下，那只是数据分析，不是数据挖掘。本文主要讲解数据挖掘的基本规范流程。CRISP-DM和SEMMA是两种常用的数据挖掘流程。

http://www.36dsj.com/archives/15450

语料库

http://www.36dsj.com/archives/21118

国内外著名大学研究所提供的免费语料库 用于标注翻译以及其他自然语言任务

以下语料库链接转载自http://blog.csdn.net/u010708470/article/details/52749535?locationNum=7

Penn Treebank http://www.cis.upenn.edu/~treebank/home.html

WSJ Corpus https://catalog.ldc.upenn.edu/LDC2000T43

NEGRA German corpus http://www.coli.uni-saarland.de/projects/sfb378/negra-corpus/

Tiger corpus http://www.ims.uni-stuttgart.de/projekte/TIGER/TIGERCorpus/

alpino Treebank http://odur.let.rug.nl/~vannoord/trees/

Bultreebank http://www.bultreebank.org/

Turin University Treebank http://www.di.unito.it/~tutreeb/

prague dependency Treebank http://ufal.mff.cuni.cz/pdt2.0/

大而全的NLTK所有语料

NLTK Corpora http://www.nltk.org/nltk_data/

NLP 代码

https://github.com/hankcs/HanLP

HanLP是由一系列模型与算法组成的Java工具包，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。

中文分词：最短路分词 N-最短路分词 CRF分词 索引分词 极速词典分词 用户自定义词典

词性标注

命名实体识别：中国人名识别 音译人名识别 日本人名识别 地名识别 实体机构名识别

关键词提取：TextRank关键词提取 自动摘要 TextRank自动摘要 短语提取 基于互信息和左右信息熵的短语提取

拼音转换　多音字　声母　韵母　声调

简繁转换　繁体中文分词　简繁分歧词（简体、繁体、臺灣正體、香港繁體）

文本推荐

语义推荐

拼音推荐

字词推荐

依存句法分析：基于神经网络的高性能依存句法分析器　MaxEnt依存句法分析　CRF依存句法分析

语料库工具：分词语料预处理　词频词性词典制作　BiGram统计　词共现统计　CoNLL语料预处理　CoNLL UA/LA/DA评测工具

DL-NLP入门论文

http://blog.sciencenet.cn/home.php?mod=space&uid=656867

Convolutional Neural Network Architectures for Matching NaturalLanguage Sentences

Deep Convolutional Neural Networks for Sentiment Analysis of ShortTexts

Named Entity Recognition with Bidirectional LSTM-CNNs

……