1. Google在研究博客中总结了他们2011年的精彩论文《Excellent Papers for 2011》,包括社会网络、机器学习、人机交互、信息检索、自然语言处理、多媒体、系统等各个领域,很精彩的论文集锦。http://googleresearch.blogspot.com/2012/03/excellent-papers-for-2011.html
或者zibuyu的BLOG http://blog.sina.com.cn/s/blog_574a437f0100y6zy.html
2. Best paper awards for AAAI,ACL, CHI, CIKM, FOCS, ICML, IJCAI, KDD, OSDI, SIGIR, SIGMOD, SOSP, STOC, UIST,VLDB, WWW http://jeffhuang.com/best_paper_awards.html
3. IBM R&D Journal 刚发布了关于Watson的专刊《This is Watson》。总共17篇论文。http://ieeexplore.ieee.org/xpl/tocresult.jsp?isnumber=6177717&punumber=5288520
4. Web Data Mining作者刘兵维护的一个专题资源:Opinion Mining,Sentiment Analysis, and Opinion Spam Detection 。http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html
5. Statistical Machine Translation http://www.statmt.org/
Statistical Machine TranslationTutorial Reading http://cseweb.ucsd.edu/~dkauchak/mt-tutorial/
Philipp Koehn主页 http://homepages.inf.ed.ac.uk/pkoehn/
6. Profile Hidden Markov Model Resources http://webdocs.cs.ualberta.ca/~colinc/cmput606/
Hidden Markov Model (HMM) Toolbox forMatlab http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html
7. CRF http://www.inference.phy.cam.ac.uk/hmw26/crf/
Conditional Random Field (CRF)Toolbox for Matlab http://www.cs.ubc.ca/~murphyk/Software/CRF/crf.html
FlexCRFs: Flexible Conditional RandomFieldshttp://flexcrfs.sourceforge.net/
8. Transfer Learning 包含papers、talks、software等http://www.cse.ust.hk/TL/index.html
9. Topic Model,Topic Modeling Bibliography http://www.cs.princeton.edu/~mimno/topics.html
David M. Blei的主页 http://www.cs.princeton.edu/~blei/publications.html Matlab Topic Modeling Toolbox 1.4 http://psiexp.ss.uci.edu/research/programs_data/toolbox.htm
LDA GIBBS Java源码 http://arbylon.net/resources.html
GibbsLDA++: A C/C++ Implementation of Latent Dirichlet Allocation http://gibbslda.sourceforge.net/
10. 科学网—推荐系统的循序进阶读物(从入门到精通) - 张子柯的博文http://blog.sciencenet.cn/home.php?mod=space&uid=210641&do=blog&id=508634
11. SVM入门 http://www.blogjava.net/zhenandaci/archive/2009/02/13/254519.html
12. 斯坦福大学自然语言处理实验室整理的NLP资源 http://www-nlp.stanford.edu/links/statnlp.html
13. Stanford University InformationRetrieval Resources http://nlp.stanford.edu/IR-book/information-retrieval.html
14. Software Tools for NLP http://www-a2k.is.tokushima-u.ac.jp/member/kita/NLP/nlp_tools.html
实验室主页
1. The Stanford NLP Group http://nlp.stanford.edu
2. The Berkeley Natural LanguageProcessing Group http://nlp.cs.berkeley.edu
3. University of Tokyo TsujiiLaboratory http://www.nactem.ac.uk/tsujii/publications.cgi?lang=en
4. Korea University NLP http://nlp.korea.ac.kr/ http://nlp.korea.ac.kr/new/
5. 中国科学院计算技术研究所自然语言处理研究组 http://nlp.ict.ac.cn/new/
6. 清华大学自然语言处理组 http://nlp.csai.tsinghua.edu.cn/site2/
7. HIT-SCIR http://ir.hit.edu.cn/
8. 苏州大学自然语言处理实验室 http://nlp.suda.edu.cn/
个人主页
1. David M. Blei, (Princeton) LDA,http://www.cs.princeton.edu/~blei/publications.html
2. Noah Smith, (CMU),以自然语言处理、机器学习为基础研究computationalsocial science。http://www.cs.cmu.edu/~nasmith/
3. Philipp Koehn (University ofEdinburgh) http://homepages.inf.ed.ac.uk/pkoehn/
4. Dekang Lin (University ofAlberta) http://webdocs.cs.ualberta.ca/~lindek/
5. Michael Collins(ColumbiaUniversity) http://www.cs.columbia.edu/~mcollins/
6. Dekai WU(HKUST) http://www.cs.ust.hk/~dekai/
7. Pascale Fung (HKUST) http://www.ee.ust.hk/~pascale/
8. Alessandro Moschitti (Universityof Trento) http://disi.unitn.it/moschitti/
9. Xiaojin (Jerry) Zhu (Universityof Wisconsin-Madison) http://pages.cs.wisc.edu/~jerryzhu/
10. Eugene Charniak (BrownUniversity) http://www.cs.brown.edu/~ec/
分享到:
相关推荐
自然语言处理(NLP)是计算机科学领域的一个重要分支,主要研究如何让计算机理解、生成和处理人类自然语言。在当今大数据和人工智能时代,NLP技术广泛应用在语音识别、机器翻译、情感分析、问答系统、文本挖掘等多个...
自然语言处理(NLP)是计算机科学领域的一个重要分支,主要研究如何使计算机理解、解析、生成和操作人类自然语言。在NLP中,数据集起着至关重要的作用,它们为算法训练、模型开发和效果评估提供了基础。"50W闲聊语料...
《深度学习进阶-自然语言处理》是日本学者斋藤康毅所著的一本深入探讨自然语言处理(NLP)的书籍,对于那些希望通过深度学习技术理解和解决自然语言问题的人来说,是一本非常有价值的资源。自然语言处理是人工智能...
自然语言处理(NLP)是计算机科学、人工智能以及语言学领域的一个交叉学科,它涉及到计算机与人类语言文本的交互。其中,分词是中文NLP中的一个基础而关键的环节。中文与英文等西方语言不同,中文没有空格来分隔单词...
自然语言处理课程实践大纲是为《自然语言处理》课程设计的实践活动,目的是让学生深入理解自然语言处理的基本概念和基本原理,掌握自然语言处理中分析问题与解决问题的方法,为今后从事该领域的研究、开发打下良好的...
在自然语言处理(NLP)领域,停用词表是一项基础而重要的资源。停用词是指在信息检索、文本挖掘等场景中通常会被过滤掉的词汇,因为它们在文本中的出现频率很高,但对内容主题的贡献较小。对于中文而言,由于其语法...
在这个“自然语言处理NLP中文分词之中文分词词库整理”的压缩包中,包含了一些用于中文分词的重要资源: 1. `thirtyw.py` 和 `thirtyw.pyc`:这可能是一个Python脚本和其对应的已编译版本,通常用于实现特定的分词...
自然语言处理(Natural Language Processing, NLP)是计算机科学领域的一个重要分支,它涉及人工智能、语言学、概率论和统计学等多个学科。哈工大在该领域的教学资源丰富,其自然语言处理讲义是深入理解和学习这一...
总之,“自然语言处理NLP中文分词之食物词库”是一个专注于食品领域的词汇资源,对于改善中文分词在餐饮行业及其他相关领域的应用效果至关重要。通过结合各种分词技术和这个专门的词库,我们可以构建更智能、更精准...
"自然语言处理NLP中文分词之法律词库.zip"是一个专门针对法律领域的中文分词资源包,其中包含了“THUOCL_law.txt”文件,这个文件很可能是由清华大学开放中文词库(THUOCL)扩展而来的,特别针对法律专业术语和词汇...
自然语言处理(NLP)是计算机科学、人工智能以及语言学领域中一个非常重要的分支,其目的是让计算机能够理解人类的自然语言。在这个过程中,分词是其中的一个基础而关键的步骤,特别是在中文分词中尤为重要。中文...
自然语言处理(Natural Language Processing,NLP)是人工智能领域的一个重要分支,它涉及到人类语言与计算机之间的交互。Python作为一门强大的编程语言,因其简洁易读的语法和丰富的库支持,成为NLP领域的首选工具...
自然语言处理(NLP)是计算机科学、人工智能和语言学领域的一个交叉学科,主要研究如何让计算机理解和处理人类语言。中文分词是自然语言处理中的一个基本技术,其主要目的是将连续的文本分割成有意义的最小单位——...
包含自然语言处理下的文本分词、构建词向量、以及文本分类;主题分类;情感分析模型代码,可以作为毕业设计参考代码,你可以阅读作者的代码案例,将其换成自己的数据进行构架,如此可以进一步的增强代码的逻辑性! ...
自然语言处理(NLP,Natural Language Processing)是计算机科学领域的一个关键分支,专注于构建系统来理解和生成人类语言。在中文NLP中,分词是一项基础且至关重要的任务,因为中文句子没有明显的空格来区分单词,...
这个名为“搜集、整理、发布中文自然语言处理语料数据集”的项目,显然旨在为研究人员和开发者提供丰富的资源,以推动中文NLP技术的进步。 语料库在自然语言处理中的作用至关重要。它们是训练和评估各种NLP模型的...
在自然语言处理(NLP)中,分词是一项基础而重要的任务,尤其在中文等书写中没有明显分隔符的语言里。分词是指将连续的文本切分成有意义的词序列的过程。在中文分词中,这通常意味着从文本流中识别出汉字序列,并将...
自然语言处理(NLP)是计算机科学、人工智能和语言学领域的一个交叉学科,主要研究如何通过计算机理解、解释和生成人类语言。在自然语言处理的众多任务中,中文分词是中文信息处理的一个基础且重要的步骤。分词是将...
自然语言处理(NLP)是人工智能的一个分支,它涉及到计算机与人类(自然)语言的相互作用,包括语言的生成、理解和处理。其中,分词是中文处理中的一个重要环节,特别是在信息检索、文本挖掘、机器翻译等领域中,...
内容概要:Python数据分析与自然语言处理资源涵盖相关算法、工具库(如NLP语言)的使用,以及数据处理、模型构建等知识。 适用人群:适合数据分析师、程序员、研究人员、对数据挖掘和文本分析感兴趣的学习者等。 ...