翻译自官网手册:NLP From Scratch: Translation with a Sequence to Sequence Network and AttentionAuthor: Sean Robertson原文github代码 这是NLP从零开始三个教程的第三个。教程中编写了自己的类和函数预处理数据来完成NLP建模任务。希望完成本教程的学习后你可以通过后续的三个教程，继续学习使用tor
安装：pip install pyhanlp若安装失败： 从这里下载JPype allows full access to Java class libraries.https://www.lfd.uci.edu/~gohlke/pythonlibs/#jpype开源地址：https://github.com/hankcs/pyhanlpHanLP是一系列模型与算法组成的NLP工具包，由大快搜索主
NLP——文本处理预处理词袋模型（Bag of Words, BoW）从字面意义上来看，文档包含词、短语、句子和段落等要素，在多数文本分类方法中，都将文本中出现的这些要素作为文本特征，而且随着要素级别的增高，其表达的语义越清晰，附带的信息也越丰富，但是特征组合的数目也会越大，因此，很少使用句子和段落作为特征。根据研究人员的实验，目前常见的特征项表示方法有：词、短语（Phrase）和 N-gram
作者：Johnson7788地址：https://zhuanlan.zhihu.com/p/333202482编辑：数据推作者: Yiming Cui, Wanxiang Che,源文：Revisiting Pre-trained Models for Chinese Natural Language Processing代码：https://github.
代码github 几个简单的NLP数据增强示例：random delete wordrandom delete charrandom delete symbolrandom swag wordrandom back translate by google (需要能访问谷歌)random synonym substitutionrandom back translate by youdao(免费，有
