NLP主题模型与实战资源合集（TensorFlow/Keras）

NLP 的入门、进阶、项目落地全打包了，光是从这个 GitHub 就能搞一大堆东西出来。主题模型、词向量、NER、文本生成这些主流方向全都有，而且代码基本是用TensorFlow和Keras写的，清爽好读。

命名实体识别的相关资源多，像是用 BERT 的、面向短文本的、还有中文专用语料，想做实战的话，直接下就能跑。蛮适合平时练手或者写 demo 展示。几篇配套的论文和代码也整理好了，嗯，懒得找的你会挺喜欢。

还有个亮点是覆盖了文本相似度计算、文本分类、机器翻译，从数据预到模型搭建，流程也比较完整。看完一圈你会发现，NLP 这块其实没有那么神秘，只要搭上套路，多练就顺了。

建议你直接逛逛这个 GitHub 项目：nlp-journey，里面不少代码都可以拿来就用，效率提升不少。要是你最近刚好在搞 NLP 相关课题，或者准备比赛，这一套资源还蛮顶用的。

顺手也整理了些配套资料，你感兴趣的话可以看看：
- 命名实体识别
- 最 transformer 实现
- 面向短文本的 NER
- BERT 系列 NER
- 词向量+机器翻译代码

如果你用的是tensorflow 2.x或者keras的新版本，建议注意下模型结构的写法，老版本有些写法不太兼容哦～