【NLP】Github标星7.7k ：常见NLP模型的PyTorch代码实现

推荐github上的一个NLP代码教程：nlp-tutorial，教程中包含常见的NLP模型代码实现（基于Pytorch1.0+），而且教程中的大多数NLP模型都使用少于100行代码。

教程说明

这是使用Pytorch学习NLP（自然语言处理）的教程，把常用NLP模型用不到100行的代码实现了，教程里附论文下载，并且包含py和ipynb文件，经过测试全部通过。

仓库地址：

https://github.com/graykode/nlp-tutorial

里面有使用说明和样例（py和ipynb格式）。

注意：论文下载请“阅读原文”。

教程目录

1. Basic Embedding Model（基础嵌入模型）

1-1. NNLM(Neural Network Language Model)- Predict Next Word

• 论文下载

A Neural Probabilistic LanguageModel(2003)

• 代码实现

1-2. Word2Vec(Skip-gram) - EmbeddingWords and Show Graph

•  论文下载

Distributed Representations of Wordsand Phrases and their Compositionality(2013)

• 代码实现

1-3. FastText(Application Level)- Sentence Classification

• 论文下载

Bag of Tricks for Efficient Text Classification(2016)

•  代码实现

2. CNN(卷积神经网络)

2-1. TextCNN - BinarySentiment Classification

• 论文下载

Convolutional Neural Networks for SentenceClassification(2014)

• 代码实现

2-2. DCNN(Dynamic Convolutional Neural Network)

3. RNN(循环神经网络)

3-1. TextRNN - Predict NextStep

• 论文下载

Finding Structure in Time(1990)

• 代码实现

3-2. TextLSTM - Autocomplete

• 论文下载

LONG SHORT-TERM MEMORY(1997)

• 代码实现

3-3. Bi-LSTM - Predict NextWord in Long Sentence

• 代码实现

4. Attention Mechanism（注意力机制）

4-1. Seq2Seq - Change Word

•  论文下载

Learning Phrase Representations using RNN Encoder–Decoder for Statistical MachineTranslation(2014)

• 代码实现

4-2. Seq2Seq with Attention - Translate

• 论文下载

NeuralMachine Translation by Jointly Learning to Align and Translate(2014)

• 代码实现

4-3. Bi-LSTM with Attention - BinarySentiment Classification

• 代码实现5. Model based on Transformer（Transformer模型）

5-1. The Transformer - Translate

• 论文下载

Attention Is All You Need(2017)

• 代码实现

5-2. BERT - ClassificationNext Sentence & Predict Masked Tokens

• 论文下载

BERT: Pre-training of Deep Bidirectional Transformers for LanguageUnderstanding(2018)

• 代码实现

部分内容截图

TextCNN的两种实现方式（使用TensorFlow和Pytorch）

总结

推荐github上的一个NLP代码教程：nlp-tutorial，一个使用Pytorch实现NLP（自然语言处理）的教程，教程中的大多数NLP模型都使用少于100行代码实现。

仓库地址：

https://github.com/graykode/nlp-tutorial

里面有使用说明和样例（py和ipynb格式）。

仓库作者：Tae Hwan Jung(Jeff Jung)