http://ltp.ai/download.html     哈工大ltp模型源码下载

分析信用卡优质客户群体，通过客户消费力度、信用还款逾期情况等特征去训练评判一个客户的价值。杭州的优质商圈分析，基于人流轨迹定位的交叉点，推断热点商圈根据消费商户数据，找出热门商家，寻求商户合作

hr意图识别、公司舆情分析、敏感词分类处理、数据质量提升、文本摘要、信用卡分析

https://www.cnblogs.com/hhh188764/p/13666276.html  pyecharts可视化动态地图路劲https://blog.csdn.net/u010070526/article/details/81782082   可视化地图数据

https://spaces.ac.cn/archives/4765   atttention讲解

pwd   查看当前路劲cd gbd_ai_list/ 进入路劲head .git/config  查看当前目录下的git配置git pull origin master  将git上的东西更新拉下来git status 查看当前文件夹下哪些文件没有被更新git add tool/chenhanwu462/sensitive_word_analysis.py  加入某个文件git commit -m '描述’git push origin master

https://blog.csdn.net/ting0922/article/details/84333486?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~first_rank_v2~rank_v25-6-84333486.nonecase&utm_term=2019%E6%95%B0%E6%8D%AE%20kbqa%20nlpcc&spm=1000.2123.3001.4430KBQA数据

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2020&filename=XXWX202009008&v=vqr7qLa%25mmd2B90fJlfr2AGQnYhbvtoeYweSERBVKL%25mmd2B69mMM2x%25mmd2FRSws%25mmd2BvUQT6gbn%25mmd2BvE51   问答匹配论文    SemEval-2015CQA数据集  问答数据集

https://github.com/ProHiryu/albert-chinese-ner

pwd   查看当前路劲cd gbd_ai_list/ 进入路劲head .git/config  查看当前目录下的git配置git pull origin master  将git上的东西更新拉下来git status 查看当前文件夹下哪些文件没有被更新git add tool/chenhanwu462/sensitive_word_analysis.py  加入某个文件git commit -m '描述’git push origin master

https://blog.csdn.net/asialee_bird/article/details/102747435   keras_bert

奥利给

https://github.com/425776024/nlpcda   相似词汇生成https://github.com/sebastianruder/NLP-progress/blob/master/english/question_answering.md  问答系统数据集https://www.cnblogs.com/shenxiaolin/p/8337913.html  推荐系统常用数据集https://blog.csdn.net/mrjkzhangma/article/details/91988492?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~first_rank_v2~rank_v25-6-91988492.nonecase&utm_term=%E4%B8%AD%E6%96%87%E9%97%AE%E7%AD%94%E7%B3%BB%E7%BB%9F%E6%95%B0%E6%8D%AE%E9%9B%86  中文语料数据集https://blog.csdn.net/yangfengling1023/article/details/91954116  bert理解https://github.com/chason777777/mgck 敏感词https://github.com/buppt/ChineseNRE  关系抽取https://github.com/chenlian-zhou/people_relation_extract/tree/master/people_relation_extract   实体关系抽取

https://blog.csdn.net/yangfengling1023/article/details/91954116BERT最主要的组成部分便是，词向量（token embeddings）、段向量(segment embeddings)、位置向量(position embeddings)词向量：是模型中关于词最主要的信息段向量：是因为BERT里面的下一句的预测任务，所以会有两句拼接起来，上句与下句，上句有上句段向量，下句则有下句段向量，也就是图中A与B。此外，句子末尾都有加[SEP]结尾符，两句拼接开头有[CLS]符位置向量：是因为 Transformer 模型不能记住时序，所以人为加入表示位置的向量之后这三个向量拼接起来的输入会喂入BERT模型，输出各个位置的表示向量