1.NLP理论基础-面试必会
（1）算法理论基础知识应知应会
（2） NLP 算法工程师相关的面试题
（3）NLP面试知识点和代码实现
2.命名实体识别
（1）BERT-NER-Pytorch
模型包含BERT+Softmax/CRF/Span
（2）BERT-NER-Tensorflow1.x
模型包含BERT+Softmax/CRF，能够将训练好的ckpt转换为saved model(pb)形式，提供加载pb模型并预测接口
（3）BERT/BiLSTM-CRF-Tensorflow2.x
基于Tensorflow2.x进行NER，简单配置一下即可使用
（4）ALBERT+BI-LSTM-NER
3.实体关系抽取
（1）TensorFlow1.x和BERT的管道式实体及关系抽取
该项目的数据集来自2019百度语言与智能实体关系抽取比赛，模型BERT+sigmoid(多标签关系分类)、BERT+Softmax（NER）
（2） 中文实体识别与关系提取
Chinese Named Entity Recognition with IDCNN/biLSTM+CRF, and Relation Extraction with biGRU+2ATT
4.知识图谱构建
（1）医疗知识图谱构建-问答应用
（2）农业领域知识图谱的构建
从数据爬取到图谱构建完整流程
（3）金融领域知识图谱构建-基于kg的自动问答
5.情感分析
（1）BERT-sentiment--classification
基于Tensorflow1.x微调BERT
6.事件抽取
（1）2020百度语言与智能事件抽取-多标签事件分类-ALBERT-based
基于keras，ALBERT+GRU
（2）金融篇章端到端事件抽取
pytorch,数据集：金融公告
7.文本分类
（1）利用BERT微调进行文本分类
数据集THUCNews数据集、Sougou-Mini数据集，模型BERT+Softmax
（2）文本二分类任务BERT
keras、模型BERT+sigmoid
（3）中文文本分类-开箱即用
模型TextCNN，TextRNN，FastText，TextRCNN，BiLSTM_Attention, DPCNN, Transformer, 基于pytorch。
（4）文本分类baseline汇总（tensorflow）
text classfication
8.数据集
（1）公司名语料库
（2）CLUENER 细粒度命名实体识别
（3）非常全的古诗词数据，收录了从先秦到现代的共计85万余首古诗词
9.对话系统
（1）医疗垂直领域的对话系统-基于知识图谱
其他
（1）自动纠正word中的英语单词拼写错误
（2）Python - 100天从新手到大师