自然语言处理（nlp），小姜机器人（闲聊检索式chatbot），BERT句向量-相似度（Sentence Similarity），XLNET句向量-相似度（text xlnet embedding），文本分类（Text classification）， 实体提取（ner，bert+bilstm+crf），数据增强（text augment, data enhance），同义句同义词生成，句子主干提取（mainpart），中文汉语短文本相似度，文本特征工程，keras-http-service调用
| ChatBot | ||
| conf | ||
| FeatureProject | ||
| result_test | ||
| utils | ||
| .gitignore | ||
| Data | ||
| LICENSE | ||
| python-version-time | ||
| readme.md | ||
| requestments.txt | ||
nlp_xiaojiang
Data
- chinese_vector
- 截取的部分word2vec训练词向量（自己需要下载全效果才会好）
- corpus
- 小黄鸡和gossip问答预料（数据没清洗）
- sentence_vec_encode_char
- 1.txt（字向量生成的前100000句向量）
- sentence_vec_encode_word
- 1.txt（词向量生成的前100000句向量）
- tf_idf（chicken_and_gossip.txt生成的tf-idf）
ChatBot
- 检索式ChatBot
- 像ES那样直接检索(如使用fuzzywuzzy)，只能字面匹配
- 构造句向量，检索问答库，能够检索有同义词的句子
- 生成式ChatBot（todo）
- seq2seq
- GAN
FeatureProject
- normalization_util指的是数据归一化
- 0-1归一化处理
- 均值归一化
- sig归一化处理
- sim feature（这里只有ML，没有bert、emlo等的句向量相似度）
- distance_text_or_vec:各种计算文本、向量距离等
- distance_vec_TS_SS：TS_SS计算词向量距离
- cut_td_idf：将小黄鸡语料和gossip结合
- sentence_sim_feature：计算两个文本的相似度或者距离，例如qq（问题和问题），或者qa（问题和答案）
run
- 1.创建tf-idf文件等（运行2需要先跑1）: python cut_td_idf.py
- 2.计算两个句子间的各种相似度，先计算一个预定义的，然后可输入自定义的（先跑1）: python sentence_sim_feature.py
- 3.chatbot_1跑起来(fuzzy检索-没)（独立）：python chatbot_fuzzy.py
- 4.chatbot_2跑起来(句向量检索-词)（独立）：python chatbot_sentence_vec_by_word.py
- 5.chatbot_3跑起来(句向量检索-字)（独立）：python chatbot_sentence_vec_by_char.py
requestments.txt
- python_Levenshtei
- 调用Levenshtein，我的python是3.6，
- 打开其源文件https://www.lfd.uci.edu/~gohlke/pythonlibs/
- 查找python_Levenshtein-0.12.0-cp36-cp36m-win_amd64.whl下载即可
- pyemd
- pyhanlp
- 下好依赖JPype1-0.6.3-cp36-cp36m-win_amd64.whl