前沿

NLP 可以做很多事情，可以非常的简单，但是效果却非常的好。

基本语料（chinese-basic）

字

词

成语

相关基础工具

拼音

繁简体

形近字

词语拓展

同义词、近义词、反义词、否定词、停顿词

敏感词

【汉字拆字】

【汉字词语缩写】

应用

拼写纠正：基于困惑集+编辑距离，结合中文的【形近字】【同音字】【谐音字】和【常见错别字词库】进行纠正。

基于词性标注等进行词性的推断是否正确。

基于成语的成语接龙小游戏。

基于形近字的形近字区分小游戏。

同义词+敏感词==》百度文库等资料

这里的替换原理基于熵增（一个汉字，根据同音，形似，同义词可以很容易的转换），但是反过来如果想还原，计算量会非常大（语义指纹部分会失效）。

替换的时候，集合词性，替换 adj/adv 等词语。

繁简体转换（拼音，甚至包括【语言转换】），可以考虑进行国内外网站自动抓取+转换。

特殊字符

内容

  • emoji

  • 单个特殊字符

  • 组成特殊字符

表情等等

ps: 这里不包含图片领域。图片应该也可以拓展为更大的一片市场领域。

  • 网名

应用

火星文生成（结合【同音字】【形近字】【特殊字符】）语料库保证可以自定义+拓展

网名的自动生成，可结合【chinese-name】

对联(chinese-couplet)

中文对联

经过 70w 的对联训练，可以进行自动对对子的程序。

字谜

一个谜面，一个答案

歇后语

一个上一句，一个下一句。

谚语

这个应该放在哪里？？？

诗词（chinese-poetry）

内容

唐诗

宋诗

宋词

元曲

辞赋

五代词

古诗

诗经

楚辞

应用

基本诗词的检索，归类。

飞花令（包含特定字的古诗）

根据古诗词起名字。这里的起名字可以结合【音形义】，也可以结合【三才五格】【生辰八字】等等。

自动诗词生成。（seq2seq）

chinese-name

基本特性

人名性别推断

随机生成人名+网名+公司名（值得拓展）

结合古诗词生成文艺气息

结合历史生成历史气息

结合科学===》科研气息

结合 chinese-fate 推到信命的人喜欢的名字。

应用

名称生成

古代人物（历史信息+生平事迹抓取）

经典（chinese-classic）

《孟学》

《四书五经》

《四大名著》

《幽梦影》

《三字经》

《道德经》

主要收集中国古代经典文学

古代故事（chinese-story）

寓言故事

童话故事

神话传说

近代

近代诗

经典的文章+小说

武侠小说（非现代）

笑话

冷笑话

段子

笑话

句子

内容

名人名言

名著佳句

各种风格的句子（唯美、忧伤、励志、鸡汤）

核心技术

爬虫+情感分类+文本分类

应用

  • 彩虹屁

  • 祖安语录

  • 狗屁不通生成器

以及结合 seq2seq 生成文章等等。

自动对话机器人。

现代

小说

作文（中小学生作文）

多媒体拓展

TTS 文本转语音（反过来）

图片转文字（反过来）

文字+图片==》视频（反过来）

自动字母+自动翻译+自动分析（如黄赌毒）

NLP 核心技术

分词

sentence-segment 断句

segment 分词

keyword 关键字

auto-summary 自动摘要

标注

词性标注

实体标注

句法分析树+消除歧义

相似度

similar-text 文本相似度计算

去重：语义指纹（sim hash）

分类

情感识别

自动聚类

文本分类（SVM KNN 贝叶斯）

输入的兼容性

多语言转换（babel）

繁简体

拼音

形近字

同义词（概念搜索）+相关词

前端技术学习

JS6/npm/web-pack/nodejs

VUE MVVC 思想学习

React 一个框架适应多个

Electron 一个框架适应多个

拓展应用

图床

小说抓取

电影（动漫）抓取

图片/字体/word/ppt/海报/小报/网站模板 等资源网站。收费

blog/paper 等技术型网站（可以利用免费公开==》私有收费）

旅游网站：信息抓取+天气

什么值得？：电影+书籍+游戏 等娱乐推荐 && 对比 && 测评

车子：汽车之家===》全部信息获取

房子：各大平台的信息聚合

工作：各大平台的信息聚合