2022-07 第2周

任务进展

1. NLP 部分

选取了几个GitHub的入门项目进行练手。

• CNN中文分词：https://github.com/chqiwang/convseg

  • 相关文献：

      - Wang C, Xu B. Convolutional neural network with word embeddings for Chinese word segmentation[J]. arXiv preprint arXiv:1711.04411, 2017.

  • 进度：

    • 已取得训练和测试用的数据集
    • 未能运行项目
      • 代码太老，使用的是tensorflow 1版本，与目前tensorflow 2.x不兼容
      • 尚未整理代码（先搁置）

• 中文文本进行分词、词性标注、句法分析等等：https://github.com/HIT-SCIR/ltp

  • 相关文献：

      - Che W, Feng Y, Qin L, et al. N-ltp: A open-source neural chinese language technology platform with pretrained models[J]. arXiv preprint arXiv:2009.11616, 2020.

  • 进度：未开始

2. AST 部分

这部分工作目前主要由@王启星(wangqixing-sdb3q)同学负责。

• Java to AST：https://github.com/Program-Analysis/Java-to-AST-with-Visualization
  • 进度：
    • 项目已导入，可输出json和dot两种格式的AST
      
      
    • 正在重写
      • 替换作者直接上传的依赖库为Maven仓库

问题记录

• 暂无

下周计划

1. NLP 部分

阅读以下项目的参考论文，学习其实现

• 关系抽取：https://github.com/ankitp94/relationship-extraction
• 词义消岐：https://github.com/alvations/pywsd
• 实体消歧：https://github.com/dice-group/AGDISTIS
• 实体链接：https://github.com/hasibi/EntityLinkingRetrieval-ELR

2. AST 部分

研究当前项目的实现方法（因为可能需要重写，或者加入一些我们自己的需求）