本文主要是介绍数据挖掘方面的比赛及代码资料整合（另附NLP相关知识），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
关于GBDT原理的相关链接：
XGboost源码解析：https://www.jianshu.com/p/8977a2d97234
XGboost论文翻译：https://blog.csdn.net/qdbszsj/article/details/79615712
GBDT、XGBoost、LightGBM 的使用及参数调优 https://zhuanlan.zhihu.com/p/33700459
GBDT算法原理以及实例理解 https://blog.csdn.net/zpalyq110/article/details/79527653
梯度提升树(GBDT)原理小结 https://www.cnblogs.com/pinard/p/6140514.html
gbdt和xgboost区别 https://blog.csdn.net/zhangf666/article/details/70174464
数据挖掘方面：
场景一：新闻预测股票
NN方案链接：https://www.kaggle.com/arunkumarramanan/market-data-nn-baseline/notebook
EDA方案链接：https://www.kaggle.com/artgor/eda-feature-engineering-and-everything/notebook
方案1链接：https://www.kaggle.com/bguberfain/a-simple-model-using-the-market-and-news-data
方案3链接：https://www.kaggle.com/jsaguiar/baseline-with-news
场景二：销量预测
https://www.kaggle.com/c/rossmann-store-sales
场景三：餐厅选址
数据：https://www.kaggle.com/c/restaurant-revenue-prediction/data
方案：https://www.kaggle.com/jquesadar/1st-place-restaurant-revenue-competition
场景四：用户画像：
比赛链接：https://www.datafountain.cn/competitions/242/details/data-evaluation，
代码链接：https://github.com/feidapeng/2016CCF_StateGrid_UserProfile
场景五：电力预测
比赛链接：https://tianchi.aliyun.com/competition/entrance/231602/information
代码链接：https://github.com/mrzhangboss/electricAI/tree/master/code
场景六：风控
天池平台
https://tianchi.aliyun.com/competition/entrance/231660/introduction?spm=5176.12281957.1004.9.38b04c2aeVsy8R A股上市公司季度营收预测
第3届 融360天机智能金融算法挑战赛
http://openresearch.rong360.com/#/home?source=dc
解决方案代码：https://github.com/Questions1/Rong360
DC数据平台
微额借款用户人品预测大赛
http://www.dcjingsai.com/common/cmpt/微额借款用户人品预测大赛_竞赛信息.html
解决方案代码：https://github.com/Root-lee/ML_micro_loan
用户贷款风险预测
http://www.dcjingsai.com/common/cmpt/用户贷款风险预测_竞赛信息.html
解决方案代码：https://github.com/Questions1/Rong360
信贷违约预测模型（邀请赛）
http://www.dcjingsai.com/common/cmpt/信贷违约预测模型（邀请赛）_赛体与数据.html
解决方案代码：https://github.com/jiguang123/Credit-Loans-of-Data-Analysis
京东金融全球数据探索者大赛：
http://www.dcjingsai.com/common/cmpt/京东金融全球数据探索者大赛_赛体与数据.html
解决方案代码：https://github.com/yaoleiliu/2017-JDD-Global-Data-Explorer-Competition
基于互联网金融的智能信贷风控设计（邀请赛）
http://www.dcjingsai.com/common/cmpt/基于互联网金融的智能信贷风控设计（邀请赛）_竞赛信息.html
datafuntaion平台
消费者人群画像—信用智能评分
https://www.datafountain.cn/competitions/337/details
代码：https://github.com/wangvenn/Credit-Scoring-Regression
海外投资风险智能识别
https://www.datafountain.cn/competitions/250/details
P2P网络借贷平台的经营风险量化分析
https://www.datafountain.cn/competitions/233/details
魔镜杯风控算法大赛
https://ai.ppdai.com/mirror/showCompetitionRisk
代码：https://github.com/wepe/PPD_RiskControlCompetition
风控相关资料：
https://openclub.alipay.com/read.php?tid=7341&fid=96
场景七：供应链预测
比赛链接：https://www.datafountain.cn/competitions/313/details/data-evaluation
代码：https://github.com/yuxiaowww/BDCI-2018-Supply-Chain-Demand-Forecast/blob/master
抽取式自动摘要：
https://blog.csdn.net/qq_32458499/article/details/78659372
https://blog.csdn.net/qq_32458499/article/details/78664199
关于summaRuNNer
https://blog.csdn.net/qq_25222361/article/details/78667850
tensorflow 版实现summaRuNNer
https://github.com/pocheyeniu/SummaRuNNer
实体对齐：
实体对齐综述论文：https://www.ixueshu.com/document/52630e3ac4ffa92d318947a18e7f9386.html
开源框架：https://github.com/wikilinks/nel
实体消歧：
论文导读 | OpenAI的实体消歧新发现 https://zhuanlan.zhihu.com/p/34019499
实体消歧方法分类https://blog.csdn.net/qq_24495287/article/details/87545343
神经网络：https://arxiv.org/abs/1802.01021
github：https://github.com/openai/deeptype
指代消解：
共指消解：
开源工具：https://github.com/huggingface/neuralcoref （该份代码，train里的 conllparser.py，self.extract_mentions缺少方法,当前只能做预测，无法训练自己的模型）
开源工具代码对应的论文：
基础Cluster-ranking模型：https://cs.stanford.edu/people/kevclark/resources/clark-manning-acl16-improving.pdf
强化学习改进：http://www.paperweekly.site/papers/1047
对应源码：https://github.com/clarkkev/deep-coref
注：斯坦福NLP中共指消解使用的神经模型是强化学习版，详情：https://stanfordnlp.github.io/CoreNLP/coref.html
当前 state-of-the-art的论文：https://arxiv.org/pdf/1707.07045.pdf
对应的代码：https://github.com/kentonl/e2e-coref
推荐两个AI网站：
https://paperswithcode.com/sota
https://www.tinymind.cn/
这篇关于数据挖掘方面的比赛及代码资料整合（另附NLP相关知识）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
