自然语言处理界的小螺丝钉

刘焕勇， liuhuanyong，语言学及应用语言学硕士，2017年毕业于北京语言大学，目前就职于中国科学院软件研究所，主要从事信息抽取，知识图谱，情感分析, 社会计算等自然语言处理研发工作，兴趣包括：

• 语言资源构建
• 信息抽取与知识图谱
• 舆情监测与社会计算

联系邮箱：[email protected]

github主页：https://github.com/liuhuanyong

github项目主页：https://liuhuanyong.github.io/

目前尝试的相关类别项目如下：

一、参会总结

项目名称	中文名称	项目技术点
CCKS2018Summary	CCKS2018会议总结	知识图谱,个人心得
CCL2018Summary	CCL2018参会总结	自然语言处理,心得

二、语言资源构建

项目名称	中文名称	项目技术点
SentimentWordExpansion	情感词扩展	SOPMI
BaikeInfoExtraction	百科信息抽取	Urllib,xpath
SougouWordCollector	搜狗词库自动构建	Urllib,Scrapy
LanguageResources	语言资源	语言资源库，语义库，常用词典
BaikeKnowledgeSchema	百科知识体系构建	Urllib,xpath,递归，知识库本体概念

三、自然语言处理基本组件

项目名称	中文名称	项目技术点
WordSegment	分词	HMM, MAXCUT,Ngram
HuanNLP	自然语言处理组件	HMM, maxent, CRF
Pinyin2Chinese	拼音转文字	Trie树，HMM, bigram
QueryCorrection	查询纠错	edit-distance
ChineseCixing	中文词形查询	字形，音形
ChineseAntiword	中文反义词查询	反义词

四、信息抽取

项目名称	中文名称	项目技术点
WordMultiSenseDisambiguation	中文多义词词义消歧	百科知识库,词义语义表示,词义语义相似度计算
TextFeatureExtraction	文本特征提取	IG，CHI ，DF，MI
WordCollocation	搭配抽取	MI
KeyInfoExtraction	关键信息提取	TFIDF，TextRank
EventTriplesExtraction	事件三元组提取	dependency parser

知识图谱与事理图谱

项目名称	中文名称	项目技术点
CrimeKgAssitant	法律罪行智能助手	知识图谱, 智能预判, 自动问答
QASystemOnMedicalKG	医疗知识图谱与自动问答	知识图谱构建及自动问答
ComplexEventExtraction	复合事件图谱	复合事件，条件事件、反转事件抽取
CausalityEventExtraction	因果事件图谱	因果图谱，因果事件抽取
SequentialEventExtration	顺承事件图谱	动宾短语提取，事件图谱
LanguageKnowledgeGraph	语言政策知识图谱	Neo4j,Echarts,D3js
HyponymyExtraction	上下位关系图谱	模式匹配，上下位概念表示
MusicLyricChatbot	歌词对对碰	es搜索,歌词知识库

五、文本挖掘与社会计算

项目名称	中文名称	项目技术点
DocSentimentAnalysis	基于句法依存的情感分析	Template, Dependencyparser
LearningBasedSentiment	基于深度学习的情感分析	CNN,RNN,ML
TextGrapher	文本结构化图谱表示	EventExtraction，知识表示
ImportantEventExtractor	文本重要性计算	textrank
ZhuguanDetection	文本主观性计算	subjective knowledge base
SentenceSimilarity	句子相似度计算	distance, hash, haiming ,eidtdistance
TopicCluster	文本话题聚类	LDA，Kmeans
EventMonitor	特定事件追踪	新闻采集，事件监测架构，scrapy
PoemMining	中国古代诗词挖掘	语料库构建，文本挖掘
LawCrimeMining	司法文本挖掘	语料库构建，文本挖掘
HumorMining	幽默计算	语料库构建，文本挖掘
LanguagePlatform	集成自然语言处理技术的语言平台	Neo4j,Echarts,Django

六、深度学习与语义表示

项目名称	中文名称	项目技术点
DeepLearningInaction	深度学习练习	Keras, Tensorflow
Seq2SeqTranslation	端到端的翻译模型	keras, lstm
Word2Vector	词向量表示	CBOW, SKIP-GRAM，Co-Matrix
Sentence2Vector	句子向量表示	CBOW
BiLSTM-NER	基于BI-LSTM的命名实体识别	keras, bi-lstm

七、舆情信息采集

项目名称	中文名称	项目技术点
WeiboIndexSpyder	微博指数采集	selenium,xpath
BaiduIndexSpyder	百度指数采集	xpath,selenium
AliIndexSpyder	阿里指数采集	selenium,xpath

懂语言者，得天下。要做好理解人类语言这件事，需要语言学家和计算机科学家一起努力，作为一个语言学背景而又敲代码的小菜来说，希望能够从点滴做起，从语言资源出发，构建器尽可能全和优质的语言资源，包括基础词库、知识库、知识图谱，并结合当下的一些业务，解决一些实际问题，这条路，将一直走下去。

若有交流，可联系：
刘焕勇，中国科学院软件研究所，北京市海淀区中关村南四街四号。
邮箱：[email protected]
github主页:https://github.com/liuhuanyong
github项目主页：https://liuhuanyong.github.io/