NicholasPython's starred repositories
latent-diffusion
High-Resolution Image Synthesis with Latent Diffusion Models
jd-shopper
京东自动下单 (自动登录,指定时间预约商品,商品补货监控,自动加购物车,自动下单)
kongshoudao-fangdai
说明：偶然看到大约十年前收藏的一篇文章，今天读来也不过时，分享给大家（手机码字，聚聚们将就看看） 房贷空手道 昨晚，和一个开典当行的同学喝酒。 我问同学，“你买了多少套房子，多少间铺面？” “房子22套，铺面12间。”同学炫耀似的答道。 “那你花了多少钱呢？”同学虽然是千万级的富翁，但他也不至于能把千万多的钱压在固定资产上吧！我心中默算了一下，非常怀疑！ “现在买房子，傻瓜才掏钱！亏你还是个生意人！”同学鄙视的看着我。 同学的话，简直令我震耳欲聋，使我目瞪口呆。我连忙虚心请教。于是，同学就对我说出一番匪夷所思、惊世骇俗的话来......以下，都是我同学的话，虽然词句有些出入，但基本语意我还是转述清楚了的。 一、买房不掏钱，你是怎么操作的？ 同学的话—— 你知道，我的典当生意完全是靠钱生钱。第一次买房时，虽然我有能力一次性付清全款，但我还是不愿意那么多的现金被房子压死。那时，正流行“零首付”，于是，我一分钱没花，贷款18万买了房（贷款期限为一年）。 一年期满，要还房款和利息了。也不知道是我幸运呢？还是我倒霉！那时，我的资金被一笔业务占用了。为了业务，我不仅还不起房款不说，还得另外新增贷款。迫不得已，我找老关系——银行的信贷部经理沟兑。当我吞吞吐吐的把“延期还房款并另外新增贷款”的要求说出来后，没想到，信贷经理却诡秘的一笑，非常爽快的答应了。 信贷经理给我出的主意很简单：让我老婆，以两倍的价格，贷款买我的房子，贷款期限也是一年。 “两倍的贷款，那就是两倍的利息啊！你这不是变着法的剥削我吗？”我还没有反应过来。 “如果到时，你不还款呢？”信贷经理很镇定。 “啊......” “被银行收房，没有什么大不了的！关键是除去税费后，我还凭空白得了17万。不，这17万我可不能一个人得，我至少要分给他5万。”很快，我反应过来。于是，我对信贷经理会心的一笑...... 这，就是我第一次买房的经历。 我后来的买房经历都与此类似，也就是：坚决的不掏一分钱，全部用银行的贷款买房子；然后，如果遇见不明真象的投资者（说是投资者，其实是傻帽）买房，那就高价卖给他。如果一直没有投资者买房，那就不断的把自己的房子加价转贷给自己，不断的用银行的钱来还银行的债。 并且，我是开典当行的，与银行的关系是一般人无法比的。一般老百姓买房，大都选择20年按揭，而我买房从来都是只贷款一年，到期了才还本金和利息。这样操作，不用交月供。而贷款到期后，我只须做做“纸面文章”转贷款一下。实际上，我一分钱也不用掏。 二、我不信，在实际生活中能有如此荒谬的事情。你讲的是“童话”吧！ 同学的话：兄弟！我是看你人对，才给你讲这些掏心窝的话。你怎么可以不相信我呢？你要怎样才能相信我呢？ 作者发言：你就给我讲点实际的例子吧！ 同学的话：你知道王二麻子是怎么发家的吗？ 作者发言：“那你说说。”王二麻子是我的另外一个同学，现在是开发房地产的亿万级富翁。 同学的话—— 那我就说说。 想当年，王二麻子那个落魄啊！就连他注册公司的注册资金，也是我临时拆借给他的。如今，别看王二麻子表面风光，他拿地的钱，是从银行贷款的；修房子的钱，是建筑商垫资的。总之，他就是一个完全的“空手道”。 房子修好后，王二麻子在正式开盘前，通常要举行一个“内部认购会”。这个内部认购，其实就是王二麻子召集公司内部员工和一些象我这样的、相熟的炒房客（或者干脆是一些从招聘会上收集的、众多的、应聘者的“身份证复印件”），以这些人的名义来买房子，全部用银行贷款来买。这，就是所谓的“开发商囤房”。 并且，此次交易上报给银行的交易价，必须比实际的内部交易价提高30%。为什么？因为贷款买房要首付两成啊！举个例子，如果你想收回100万，那你就必须以130万的房价向银行贷款。这样，银行给你的钱就是：130万×0.8=104万；你实际装进口袋的钱就是：104万—4万（给相关银行人员的“好处费”）=100万。 就这样，通过开盘前的内部认购，王二麻子其实已经成功的全部收回了投资，把所有的风险转给了银行。到这时，王二麻子才会开始打广告卖房子，并归还“买地的银行贷款”和“修房子的建筑商垫资”。 作者发言：后面又怎么操作呢？ 同学的话—— 你怎么那样笨啊！稍微聪明一点的人都能想到，后面的操作方法，其实与我炒房的方法是一样的，也就是：“如果遇见不明真象的投资者（说是投资者，其实是傻帽）买房，那就高价卖给他；如果一直没有投资者买房，那就不断的把自己的房子加价转贷给自己，不断的用银行的钱来还银行的债。” 不过，由于已经收回了按揭贷款的首付款，所以后面的操作并不需要每一次都加价30%，只需按着楼市房价本来的上涨幅度加价就可以了（即每年上涨14%左右）。 什么？万一房价上涨幅度不足于支付贷款利息怎么办？笑话，你什么时候看见过**楼市的房价上涨幅度低于当年的贷款利息了？ 明白了吧！这，就是**楼市的房价只能上涨不能下跌；并且，房价的上涨幅度还不能低于当年贷款利息的真正原因！！ 想想就觉得可笑，居然有学者说，“建筑成本和地价的不断上涨，是房价飞涨的原因。”这简直是扯蛋！ 其实，“金融成本”才是房价构成的大头，至少要占目前房价的50%。 以上海倒塌的莲花河畔景苑为例。网上公布，其楼面价格不到604元/平方米，建筑成本也不到1300元/平方米（其实，网上公布的建筑成本并不准确。市法院电梯公寓的建筑质量总该比它好吧，建筑成本也没有超过1000元/平方米）这么便宜的房子，开发商为什么非得要把它卖到14000元/平方米呢？卖低一点、少赚一点不行吗？答案是不行的。原因很简单，“金融游戏”是有成本的，每这样操作一次，房子就必须加价一次。只有不断的加价，上述操作才有生存的空间。所以，莲花河畔景苑前年卖7000元/平方米，去年卖10000元/平方米，今年就得非要卖14000元/平方米。俗话说“豆腐盘成了肉价钱”。这，就是“金融游戏”的代价！ 有句话道出了目前**楼市的实情，“房子是用来炒的，不是用来住的；商品房是卖给银行的，不是卖给老百姓的。” 老同学，请你想一想，现在的楼市，房价明明已经远远的超过了老百姓的实际购买能力（也就意味着房子永远卖不出去），为什么房价还会不断的上涨呢？并且，还要“量、价齐涨”呢？原因何在？正在于此！ 三、你讲的，只是极个别的现象，不能代表**楼市的整体形势。 同学的话—— 老同学，你太孤陋寡闻了吧。请看： 李树彪案：1999年9月8日到2004年1月15日，湖南郴州市住房公积金管理中心原主任李树彪骗取公积金贷款、银行贷款共计44笔，涉案金额1.2亿元。 康明案：2000年前后，河南郑州康明置业有限公司通过东明花园414套房源，在工商银行、交通银行、建设银行、招商银行进行重复抵押贷款共690多套，至少套取银行资金2亿元。 姚康达案：从2002年至2003年上半年，**工商银行上海外高桥保税区支行向“姚康达”一人发放房贷7141万元，用于炒作128套住房。 森豪虚假按揭案：从1997年年至2002年上半年，北京市华运达房地产开发公司以森豪公寓、太利花园为幌子,采取假按揭的方式,向中行北京市分行、北京银行中关村支行、北京银行展览路支行三家银行骗贷共计16.2亿元。（请看《京城最大假按揭骗贷案震醒房市》）。 建行广州分行案：2002年，审计署抽查建设银行广州地区八家支行的住房按揭贷款，发现10亿元虚假按揭。仅广东省汕尾市公共安全专家局某副局长一人，即骗取建行广州市芳村支行按揭贷款3793万元。 曲沪平案：2006年，上海浦东发展银行陆家嘴支行在已发放贷款中，发现亿元个人房产按揭贷款存在抵押不实，贷款代理人为“曲沪平”。其后更查出与曲相关的房贷高达91笔，涉及金额4亿元左右。银行不得不委托房屋中介公司出售抵押房产，以回收问题贷款。 同泰案：2006年，北京同泰房地产公司涉嫌利用87份假业主所签购房合同，从银行骗贷6700万元。 成都虚构房产骗贷案：2005年至2008年期间，犯罪嫌疑人唐某勾结成都市房管局工作人员以虚构房产的方式办理房产证进行骗贷。现已发现的涉案房产证已超过一百多套，涉及金额近二千万元！而且事态还在进一步发展中。 另外，今年银监会三令五申的明确要求，“贷款发放必须用于满足实体经济的有效信贷需求，防止信贷资金流入楼市”。然而，40000亿资金依然流入楼市...... 老同学，请你想一想，为什么会发生那么多的这类事情呢？为什么全国的银行都明知道是假按揭也要把钱贷给地产商呢？难道银行的官员们都是傻子吗？ 其实，银行的官员们一点都不傻。 原因在于，银行内部人员与开发商其实是狼狈为奸的同伙。参与这项操作的某些银行内部人员决不是希望通过购房者支付贷款利息为银行赚钱，坦白地说，他们是在参与分赃——他们与开发商一起盗取不义之财，将风险转嫁给国家银行，而买单的是真实的购房者。一旦真实的购房者无法买下这个巨单，银行就出现危机。 这时候，买单的就是全国人民了，国家必须银行注资，消除烂帐。国家的钱哪里来？印钞票！结果是什么？通货膨胀，物价飞涨，老百性的钱不值钱了，或者说老百姓的钱被抢了，被谁抢了？被国家抢去堵漏了，堵开发商和银行增加这些蛀出来的大洞。这个洞如此之大，堵住了也是一个丑陋的疤，而疼的永远是百姓。 所以我会说——房地产业已经成为相关单位、相关部门团结起来瓜分国家金钱（其实是老百姓的存款）的道具。 违规又有什么大不了的？银行官员们不怕啊！只要表面的纸上手续完备了，我就没有了责任。即使按揭贷款是假的，又有什么关系？况且银行有国家这个后台，就是亏了也不怕，反正银行的官员们现在挣了钱就行。至于银行以后不行了，自然有国家来管，况且那是下届银行官员的事情。难怪**银行的坏账率居然在40%以上！原来，在**，最大的腐败在银行！！ 四、我依然认为，这只是极个别的现象。如果你讲的是普遍的现象，为什么还没有开发商被收楼呢？ 同学的话—— 原因有许多，简单的有： 1、你不关心房地产界的新闻。比如“曲沪平案”，上海浦东发展银行陆家嘴支行就收了楼，不得不成为了“房东”； 2、由于开发商在银行内部的同伙，掩护工作做的好的缘故，案子没暴露。 掩护工作怎么做？很简单——只要一接近债务偿还期，开发商就会和“银行内部的同伙”们一起，把房子又一次加价卖给（转按揭）其它的“身份证复印件”（其实，房子依然在开发商手里）。这样操作，开发商永远不会被收楼。 虽然这样操作，房价会不断的上涨，并很快的远远超过老百姓的实际承受能力(也就意味着房子永远卖不出去)。但是，这样的操作，如果只从官样程序上来看、只从表面的纸上手续来看的话，它是永远合法的。这就是银行官员们敢于给开发商打掩护的原因——因为以目前的银行制度来说，只要表面的纸上手续完备了，银行的官员就没有了责任。 五、你的意思是，目前的银行贷款制度有着严重的漏洞？ 同学的话—— 当然！ 我能不花钱的买那么多的房子和铺面，甚至还靠房子从银行套出那么多的周转资金做生意，这一切，全都得感谢银行的制度漏洞啊！银行的贷款制度，真的是“为人民服务的好制度”啊！ 作为一个典当行的老板，以同行的眼光来看，我认为银行贷款的制度漏洞有： 1、抵押物价值的评定方法有缺陷。 比如，明明开发商拿地只用了5000万，他却可以用这块地抵押贷款1个亿；比如，开发商修楼修到盖顶，明明只用了7000万（含地钱），他却可以用这个楼抵押贷款2个亿。 如果，按照我们典当行的规矩来办，事情又会怎样呢？ 当开发商用这块地抵押贷款时，我会亲自去核实：开发商拿这块地，是否真的给了政府5000万。并且，如果这个情况属实，他也最多只能贷款4000万。因为我要预提风险基金啊！ 当开发商用这个楼抵押贷款时，我也会亲自去核实：开发商修这个楼，是否真的花了2000万（只算建筑成本，不含地）。我会按照各种人工、各种建筑材料的最低价来核算这个楼的建筑成本。并且，如果开发商修这个楼的确花了2000万，他也最多只能贷款7000万×0.8=5600万（连地一起抵押）。 最后，当购房者按揭贷款时，我绝对不可能按照“购房合同交易价”来发放贷款，购房者最多能获得的贷款金额是：7000万×0.8×购房面积/此楼总面积。 举个例子：有个卖衣服的商人因为生意周转，需要以衣服为抵押物向银行贷款。你说说，银行是该“按照衣服出厂价的8折”给他贷款呢？还是该“按照衣服零售价的8折”给他贷款。 作者发言：当然该按出厂价算。如果按照零售价算的话，卖衣服的商人干脆不用开店了，他直接把衣服卖给银行赚钱更快！恩，我明白了，怪不得在**会出现“房子是用来炒的，不是用来住的；商品房是卖给银行的，不是卖给老百姓的”这样的奇闻！！ 同学的话：是啊！抵押房的价值，不能由客户之间的交易来决定啊！！ 2、责任追究方法有缺陷 “只要表面的纸上手续完备了，银行官员就没有了责任。”这怎么可以呢？在我的典当行，我可不管你的纸上手续是否已经完备，只要是你负责的业务出了问题，嘿嘿！我就找你算帐！！！ 另外，让国家损失16.2亿的森豪虚假按揭案暴露后，相关的银行官员居然没有被追究责任，这怎么可以呢？嘿嘿！如果这样的事是发生在我的典当行，不要说让他家破人亡，我至少会让他和他的亲戚倾家荡产！！！ 作者发言：是啊！发生金融案件后，居然不追究相关银行官员的责任。换成是我，我也觉得“打马虎”比尽忠职守更合算！！！怪不得**的金融案件层出不穷。听君一席话，胜读十年书！听你说到这儿，就连我这么笨的人也知道了应该如何理顺楼市——只要严格金融制度，让炒房的人不能获得投机的资金，楼市的泡沫自然的就会散去！！ 同学的话—— 你终于聪明了一回。可惜！！！
PythonDataScience-Collections
最全数据分析资料汇总（含python、爬虫、数据库、大数据、tableau、统计学等）
funNLP
中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据、百度中文问答数据集、句子相似度匹配算法集合、bert资源、文本生成&摘要相关工具、cocoNLP信息抽取工具、国内电话号码正则匹配、清华大学XLORE:中英文跨语言百科知识图谱、清华大学人工智能技术系列报告、自然语言生成、NLU太难了系列、自动对联数据及机器人、用户名黑名单列表、罪名法务名词及分类模型、微信公众号语料、cs224n深度学习自然语言处理课程、中文手写汉字识别、中文自然语言处理 语料/数据集、变量命名神器、分词语料库+代码、任务型对话英文数据集、ASR 语音数据集 + 基于深度学习的中文语音识别系统、笑声检测器、Microsoft多语言数字/单位/如日期时间识别包、中华新华字典数据库及api(包括常用歇后语、成语、词语和汉字)、文档图谱自动生成、SpaCy 中文模型、Common Voice语音识别数据集新版、神经网络关系抽取、基于bert的命名实体识别、关键词(Keyphrase)抽取包pke、基于医疗领域知识图谱的问答系统、基于依存句法与语义角色标注的事件三元组抽取、依存句法分析4万句高质量标注数据、cnocr：用来做中文OCR的Python3包、中文人物关系知识图谱项目、中文nlp竞赛项目及代码汇总、中文字符数据、speech-aligner: 从“人声语音”及其“语言文本”产生音素级别时间对齐标注的工具、AmpliGraph: 知识图谱表示学习(Python)库：知识图谱概念链接预测、Scattertext 文本可视化(python)、语言/知识表示工具：BERT & ERNIE、中文对比英文自然语言处理NLP的区别综述、Synonyms中文近义词工具包、HarvestText领域自适应文本挖掘工具（新词发现-情感分析-实体链接等）、word2word：(Python)方便易用的多语言词-词对集：62种语言/3,564个多语言对、语音识别语料生成工具：从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库、构建医疗实体识别的模型（包含词典和语料标注）、单文档非监督的关键词抽取、Kashgari中使用gpt-2语言模型、开源的金融投资数据提取工具、文本自动摘要库TextTeaser: 仅支持英文、人民日报语料处理工具集、一些关于自然语言的基本模型、基于14W歌曲知识库的问答尝试--功能包括歌词接龙and已知歌词找歌曲以及歌曲歌手歌词三角关系的问答、基于Siamese bilstm模型的相似句子判定模型并提供训练数据集和测试数据集、用Transformer编解码模型实现的根据Hacker News文章标题自动生成评论、用BERT进行序列标记和文本分类的模板代码、LitBank：NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英文小说语料、百度开源的基准信息抽取系统、虚假新闻数据集、Facebook: LAMA语言模型分析，提供Transformer-XL/BERT/ELMo/GPT预训练语言模型的统一访问接口、CommonsenseQA：面向常识的英文QA挑战、中文知识图谱资料、数据及工具、各大公司内部里大牛分享的技术文档 PDF 或者 PPT、自然语言生成SQL语句（英文）、中文NLP数据增强（EDA）工具、英文NLP数据增强工具 、基于医药知识图谱的智能问答系统、京东商品知识图谱、基于mongodb存储的军事领域知识图谱问答项目、基于远监督的中文关系抽取、语音情感分析、中文ULMFiT-情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库包含自动文摘功能、开放了对话机器人-知识图谱-语义理解-自然语言处理工具及数据、中文知识图谱：基于百度百科中文页面-抽取三元组信息-构建中文知识图谱、masr: 中文语音识别-提供预训练模型-高识别率、Python音频数据增广库、中文全词覆盖BERT及两份阅读理解数据、ConvLab：开源多域端到端对话系统平台、中文自然语言处理数据集、基于最新版本rasa搭建的对话系统、基于TensorFlow和BERT的管道式实体及关系抽取、一个小型的证券知识图谱/知识库、复盘所有NLP比赛的TOP方案、OpenCLaP：多领域开源中文预训练语言模型仓库、UER：基于不同语料+编码器+目标任务的中文预训练模型仓库、中文自然语言处理向量合集、基于金融-司法领域(兼有闲聊性质)的聊天机器人、g2pC：基于上下文的汉语读音自动标记模块、Zincbase 知识图谱构建工具包、诗歌质量评价/细粒度情感诗歌语料库、快速转化「中文数字」和「阿拉伯数字」、百度知道问答语料库、基于知识图谱的问答系统、jieba_fast 加速版的jieba、正则表达式教程、中文阅读理解数据集、基于BERT等最新语言模型的抽取式摘要提取、Python利用深度学习进行文本摘要的综合指南、知识图谱深度学习相关资料整理、维基大规模平行文本语料、StanfordNLP 0.2.0：纯Python版自然语言处理包、NeuralNLP-NeuralClassifier：腾讯开源深度学习文本分类工具、端到端的封闭域对话系统、中文命名实体识别：NeuroNER vs. BertNER、新闻事件线索抽取、2019年百度的三元组抽取比赛：“科学空间队”源码、基于依存句法的开放域文本知识三元组抽取和知识库构建、中文的GPT2训练代码、ML-NLP - 机器学习(Machine Learning)NLP面试中常考到的知识点和代码实现、nlp4han:中文自然语言处理工具集(断句/分词/词性标注/组块/句法分析/语义分析/NER/N元语法/HMM/代词消解/情感分析/拼写检查、XLM：Facebook的跨语言预训练语言模型、用基于BERT的微调和特征提取方法来进行知识图谱百度百科人物词条属性抽取、中文自然语言处理相关的开放任务-数据集-当前最佳结果、CoupletAI - 基于CNN+Bi-LSTM+Attention 的自动对对联系统、抽象知识图谱、MiningZhiDaoQACorpus - 580万百度知道问答数据挖掘项目、brat rapid annotation tool: 序列标注工具、大规模中文知识图谱数据：1.4亿实体、数据增强在机器翻译及其他nlp任务中的应用及效果、allennlp阅读理解:支持多种数据和模型、PDF表格数据提取工具 、 Graphbrain：AI开源软件库和科研工具，目的是促进自动意义提取和文本理解以及知识的探索和推断、简历自动筛选系统、基于命名实体识别的简历自动摘要、中文语言理解测评基准，包括代表性的数据集&基准模型&语料库&排行榜、树洞 OCR 文字识别 、从包含表格的扫描图片中识别表格和文字、语声迁移、Python口语自然语言处理工具集(英文)、 similarity：相似度计算工具包，java编写、海量中文预训练ALBERT模型 、Transformers 2.0 、基于大规模音频数据集Audioset的音频增强 、Poplar：网页版自然语言标注工具、图片文字去除，可用于漫画翻译 、186种语言的数字叫法库、Amazon发布基于知识的人-人开放领域对话数据集 、中文文本纠错模块代码、繁简体转换 、 Python实现的多种文本可读性评价指标、类似于人名/地名/组织机构名的命名体识别数据集 、东南大学《知识图谱》研究生课程(资料)、. 英文拼写检查库 、 wwsearch是企业微信后台自研的全文检索引擎、CHAMELEON：深度学习新闻推荐系统元架构 、 8篇论文梳理BERT相关模型进展与反思、DocSearch：免费文档搜索引擎、 LIDA：轻量交互式对话标注工具 、aili - the fastest in-memory index in the East 东半球最快并发索引 、知识图谱车音工作项目、自然语言生成资源大全 、中日韩分词库mecab的Python接口库、中文文本摘要/关键词提取、汉字字符特征提取器 (featurizer)，提取汉字的特征（发音特征、字形特征）用做深度学习的特征、中文生成任务基准测评 、中文缩写数据集、中文任务基准测评 - 代表性的数据集-基准(预训练)模型-语料库-baseline-工具包-排行榜、PySS3：面向可解释AI的SS3文本分类器机器可视化工具 、中文NLP数据集列表、COPE - 格律诗编辑程序、doccano：基于网页的开源协同多语言文本标注工具 、PreNLP：自然语言预处理库、简单的简历解析器，用来从简历中提取关键信息、用于中文闲聊的GPT2模型：GPT2-chitchat、基于检索聊天机器人多轮响应选择相关资源列表(Leaderboards、Datasets、Papers)、(Colab)抽象文本摘要实现集锦(教程 、词语拼音数据、高效模糊搜索工具、NLP数据增广资源集、微软对话机器人框架 、 GitHub Typo Corpus：大规模GitHub多语言拼写错误/语法错误数据集、TextCluster：短文本聚类预处理模块 Short text cluster、面向语音识别的中文文本规范化、BLINK：最先进的实体链接库、BertPunc：基于BERT的最先进标点修复模型、Tokenizer：快速、可定制的文本词条化库、中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜、spaCy 医学文本挖掘与信息提取 、 NLP任务示例项目代码集、 python拼写检查库、chatbot-list - 行业内关于智能客服、聊天机器人的应用和架构、算法分享和介绍、语音质量评价指标(MOSNet, BSSEval, STOI, PESQ, SRMR)、 用138GB语料训练的法文RoBERTa预训练语言模型 、BERT-NER-Pytorch：三种不同模式的BERT中文NER实验、无道词典 - 有道词典的命令行版本，支持英汉互查和在线查询、2019年NLP亮点回顾、 Chinese medical dialogue data 中文医疗对话数据集 、最好的汉字数字(中文数字)-阿拉伯数字转换工具、 基于百科知识库的中文词语多词义/义项获取与特定句子词语语义消歧、awesome-nlp-sentiment-analysis - 情感分析、情绪原因识别、评价对象和评价词抽取、LineFlow：面向所有深度学习框架的NLP数据高效加载器、中文医学NLP公开资源整理 、MedQuAD：(英文)医学问答数据集、将自然语言数字串解析转换为整数和浮点数、Transfer Learning in Natural Language Processing (NLP) 、面向语音识别的中文/英文发音辞典、Tokenizers：注重性能与多功能性的最先进分词器、CLUENER 细粒度命名实体识别 Fine Grained Named Entity Recognition、 基于BERT的中文命名实体识别、中文谣言数据库、NLP数据集/基准任务大列表、nlp相关的一些论文及代码, 包括主题模型、词向量(Word Embedding)、命名实体识别(NER)、文本分类(Text Classificatin)、文本生成(Text Generation)、文本相似性(Text Similarity)计算等，涉及到各种与nlp相关的算法，基于keras和tensorflow 、Python文本挖掘/NLP实战示例、 Blackstone：面向非结构化法律文本的spaCy pipeline和NLP模型通过同义词替换实现文本“变脸” 、中文 预训练 ELECTREA 模型: 基于对抗学习 pretrain Chinese Model 、albert-chinese-ner - 用预训练语言模型ALBERT做中文NER 、基于GPT2的特定主题文本生成/文本增广、开源预训练语言模型合集、多语言句向量包、编码、标记和实现：一种可控高效的文本生成方法、 英文脏话大列表 、attnvis：GPT2、BERT等transformer语言模型注意力交互可视化、CoVoST：Facebook发布的多语种语音-文本翻译语料库，包括11种语言(法语、德语、荷兰语、俄语、西班牙语、意大利语、土耳其语、波斯语、瑞典语、蒙古语和中文)的语音、文字转录及英文译文、Jiagu自然语言处理工具 - 以BiLSTM等模型为基础，提供知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类等功能、用unet实现对文档表格的自动检测，表格重建、NLP事件提取文献资源列表 、 金融领域自然语言处理研究资源大列表、CLUEDatasetSearch - 中英文NLP数据集：搜索所有中文NLP数据集，附常用英文NLP数据集 、medical_NER - 中文医学知识图谱命名实体识别 、(哈佛)讲因果推理的免费书、知识图谱相关学习资料/数据集/工具资源大列表、Forte：灵活强大的自然语言处理pipeline工具集 、Python字符串相似性算法库、PyLaia：面向手写文档分析的深度学习工具包、TextFooler：针对文本分类/推理的对抗文本生成模块、Haystack：灵活、强大的可扩展问答(QA)框架、中文关键短语抽取工具