自然語言處理界的小螺絲釘
阿新 • • 發佈：2018-11-28
劉煥勇， liuhuanyong，語言學及應用語言學碩士，2017年畢業於北京語言大學，目前就職於中國科學院軟體研究所，主要從事資訊抽取，知識圖譜，情感分析, 社會計算等自然語言處理研發工作，興趣包括：
- 語言資源構建
- 資訊抽取與知識圖譜
- 輿情監測與社會計算
聯絡郵箱：[email protected]
github主頁：https://github.com/liuhuanyong
github專案主頁：https://liuhuanyong.github.io/
目前嘗試的相關類別專案如下：一、參會總結
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| CCKS2018Summary | CCKS2018會議總結 | 知識圖譜,個人心得 |
| CCL2018Summary | CCL2018參會總結 | 自然語言處理,心得 |
二、語言資源構建
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| SentimentWordExpansion | 情感詞擴充套件 | SOPMI |
| BaikeInfoExtraction | 百科資訊抽取 | Urllib,xpath |
| SougouWordCollector | 搜狗詞庫自動構建 | Urllib,Scrapy |
| LanguageResources | 語言資源 | 語言資源庫，語義庫，常用詞典 |
| BaikeKnowledgeSchema | 百科知識體系構建 | Urllib,xpath,遞迴，知識庫本體概念 |
三、自然語言處理基本元件
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| WordSegment | 分詞 | HMM, MAXCUT,Ngram |
| HuanNLP | 自然語言處理元件 | HMM, maxent, CRF |
| Pinyin2Chinese | 拼音轉文字 | Trie樹，HMM, bigram |
| QueryCorrection | 查詢糾錯 | edit-distance |
| ChineseCixing | 中文詞形查詢 | 字形，音形 |
| ChineseAntiword | 中文反義詞查詢 | 反義詞 |
四、資訊抽取
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| WordMultiSenseDisambiguation | 中文多義詞詞義消歧 | 百科知識庫,詞義語義表示,詞義語義相似度計算 |
| TextFeatureExtraction | 文字特徵提取 | IG，CHI ，DF，MI |
| WordCollocation | 搭配抽取 | MI |
| KeyInfoExtraction | 關鍵資訊提取 | TFIDF，TextRank |
| EventTriplesExtraction | 事件三元組提取 | dependency parser |
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| CrimeKgAssitant | 法律罪行智慧助手 | 知識圖譜, 智慧預判, 自動問答 |
| QASystemOnMedicalKG | 醫療知識圖譜與自動問答 | 知識圖譜構建及自動問答 |
| ComplexEventExtraction | 複合事件圖譜 | 複合事件，條件事件、反轉事件抽取 |
| CausalityEventExtraction | 因果事件圖譜 | 因果圖譜，因果事件抽取 |
| SequentialEventExtration | 順承事件圖譜 | 動賓短語提取，事件圖譜 |
| LanguageKnowledgeGraph | 語言政策知識圖譜 | Neo4j,Echarts,D3js |
| HyponymyExtraction | 上下位關係圖譜 | 模式匹配，上下位概念表示 |
| MusicLyricChatbot | 歌詞對對碰 | es搜尋,歌詞知識庫 |
五、文字挖掘與社會計算
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| DocSentimentAnalysis | 基於句法依存的情感分析 | Template, Dependencyparser |
| LearningBasedSentiment | 基於深度學習的情感分析 | CNN,RNN,ML |
| TextGrapher | 文字結構化圖譜表示 | EventExtraction，知識表示 |
| ImportantEventExtractor | 文字重要性計算 | textrank |
| ZhuguanDetection | 文字主觀性計算 | subjective knowledge base |
| SentenceSimilarity | 句子相似度計算 | distance, hash, haiming ,eidtdistance |
| TopicCluster | 文字話題聚類 | LDA，Kmeans |
| EventMonitor | 特定事件追蹤 | 新聞採集，事件監測架構，scrapy |
| PoemMining | 中國古代詩詞挖掘 | 語料庫構建，文字挖掘 |
| LawCrimeMining | 司法文字挖掘 | 語料庫構建，文字挖掘 |
| HumorMining | 幽默計算 | 語料庫構建，文字挖掘 |
| LanguagePlatform | 整合自然語言處理技術的語言平臺 | Neo4j,Echarts,Django |
六、深度學習與語義表示
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| DeepLearningInaction | 深度學習練習 | Keras, Tensorflow |
| Seq2SeqTranslation | 端到端的翻譯模型 | keras, lstm |
| Word2Vector | 詞向量表示 | CBOW, SKIP-GRAM，Co-Matrix |
| Sentence2Vector | 句子向量表示 | CBOW |
| BiLSTM-NER | 基於BI-LSTM的命名實體識別 | keras, bi-lstm |
七、輿情資訊採集
| 專案名稱 | 中文名稱 | 專案技術點 |
|---|---|---|
| WeiboIndexSpyder | 微博指數採集 | selenium,xpath |
| BaiduIndexSpyder | 百度指數採集 | xpath,selenium |
| AliIndexSpyder | 阿里指數採集 | selenium,xpath |
懂語言者，得天下。要做好理解人類語言這件事，需要語言學家和電腦科學家一起努力，作為一個語言學背景而又敲程式碼的小菜來說，希望能夠從點滴做起，從語言資源出發，構建器儘可能全和優質的語言資源，包括基礎詞庫、知識庫、知識圖譜，並結合當下的一些業務，解決一些實際問題，這條路，將一直走下去。
若有交流，可聯絡：
劉煥勇，中國科學院軟體研究所，北京市海淀區中關村南四街四號。
郵箱：[email protected]
github主頁:https://github.com/liuhuanyong
github專案主頁：https://liuhuanyong.github.io/