推荐github上的一个NLP代码教程：nlp-tutorial，教程中包含常见的NLP模型代码实现（基于Pytorch1.0+），而且教程中的大多数NLP模型都使用少于100行代码。
教程说明
这是使用Pytorch学习NLP（自然语言处理）的教程，把常用NLP模型用不到100行的代码实现了，教程里附论文下载，并且包含py和ipynb文件，经过测试全部通过。
仓库地址：
https://github.com/graykode/nlp-tutorial
里面有使用说明和样例（py和ipynb格式）。
注意：论文下载请“阅读原文”。
教程目录
1. Basic Embedding Model（基础嵌入模型）
1-1. NNLM(Neural Network Language Model)- Predict Next Word
- 论文下载
A Neural Probabilistic LanguageModel(2003)
- 代码实现
1-2. Word2Vec(Skip-gram) -** EmbeddingWords and Show Graph**
- 论文下载
Distributed Representations of Wordsand Phrases and their Compositionality(2013)
- 代码实现
1-3. FastText(Application Level)- Sentence Classification
- 论文下载
Bag of Tricks for Efficient Text Classification(2016)
- 代码实现
2. CNN(卷积神经网络)
2-1. TextCNN - BinarySentiment Classification
- 论文下载
Convolutional Neural Networks for SentenceClassification(2014)
- 代码实现
2-2. DCNN(Dynamic Convolutional Neural Network)
3. RNN(循环神经网络)
3-1. TextRNN - Predict NextStep
- 论文下载
Finding Structure in Time(1990)
- 代码实现
3-2. TextLSTM -** Autocomplete**
- 论文下载
LONG SHORT-TERM MEMORY(1997)
- 代码实现
3-3. Bi-LSTM - Predict NextWord in Long Sentence
- 代码实现
4. Attention Mechanism（注意力机制）
4-1. Seq2Seq - Change Word
- 论文下载
Learning Phrase Representations using RNN Encoder–Decoder for Statistical MachineTranslation(2014)
- 代码实现
4-2. Seq2Seq with Attention - Translate
- 论文下载
NeuralMachine Translation by Jointly Learning to Align and Translate(2014)
- 代码实现
4-3. Bi-LSTM with Attention - BinarySentiment Classification
代码实现5. Model based on Transformer（Transformer模型）
5-1. The Transformer - Translate
- 论文下载
Attention Is All You Need(2017)
- 代码实现
5-2. BERT -** ClassificationNext Sentence & Predict Masked Tokens**
- 论文下载
BERT: Pre-training of Deep Bidirectional Transformers for LanguageUnderstanding(2018)
- 代码实现
部分内容截图
TextCNN的两种实现方式（使用TensorFlow和Pytorch）
总结
推荐github上的一个NLP代码教程：nlp-tutorial，一个使用Pytorch实现NLP（自然语言处理）的教程，教程中的大多数NLP模型都使用少于100行代码实现。
