我与Github的十年

前言：封面图片是基于机器生成的，我的prompt是“写代码，程序员”。大概三年前体验过类似的工作，效果远不达预期。最近一段时间里的工作，笔者个人觉得非常赞。怎么商业化？比如文章封面图生成。

nlp-competitions-list-review，star=2200，fork=386。该项目至今已经维护近6年。主要目标是复盘所有中文NLP比赛的TOP方案。在大概6年前，在github建立了一个organization：江南大学数据竞赛团队。那时还是一个表格竞赛满天飞的年代，恰巧团队中有做NLP和视觉的同学，于是首先建立了NLP的repo，之后团队中的一个师弟建立了CV的repo。可能是由于有这个想法比较早，之后在github上出现了很多类似的repo，这个repo也被很多大V和相关repo引用，因此star和fork数一路涨到现在。这个repo算是在早期，对NLP社区还算有帮助，甚至我们一度认为，引领了今天许多类似repo的建立和分享。

bert-sequence-tagging，star=144，fork=38。这个项目虽然整体star和fork不算多，但是于笔者而言还是很有意义的。bert的工作大概在2018年的下半年的某个时间放出了paper，那个时候刚刚结束实习回校不久，闲来无事，大概在paper放出来之后的第三天，share了这个repo。其实想法很简单，就是实习做的中文纠错，主要采用序列标注的方案做的，但是bert这么强的工作，虽然开源了代码，但是代码中唯独没有序列标注的实现，于是就顺手实现了基于bert的序列标注。之后，很多开源工作放出来，也会挂上这个repo的地址。在之后的很多时间，笔者做了很多围绕bert的工作，这个工作其实是起点。

BERTem，star=152，fork=26。这个工作是第一次做信息抽取时实现的一篇paper的一个比较有意义的Trick。虽然这个工作其实是某个Few-Shot Learning榜单上当时的SOTA，但是其实非常适合做信息抽取中的关系分类。整体的思想非常简单，就是通过在实体两侧添加Marker，强化模型对于实体表征的学习。至今天，该技巧在关系抽取中已经用的非常普遍，基本成为一个事实上的标准。 在某次面试中，还对着Github深挖了实现的核心代码，并没有几行。也许放出这个repo的时候，这篇paper的源码还没有release吧，所以还算是对社区有帮助。

cged_tf是和上述工作类似的工作。实习期做的中文纠错工作是从cged开始的，首先需要复现SOTA的结果。虽然SOTA放出了源代码，但是简直一坨shi。面对代码没有架构，基于一个极其小众的框架开发，勉强能运行起来等问题，索性重新实现SOTA的工作。那是第一次使用tensorflow，至今笔者个人都没有再使用过tensorflow。虽然最终复现了结果，但是整个实现过程非常的不开心，一个新的框架，一坨shi一样的代码，一个还不错的结果。但是后续基于这个repo继续工作的同学，应该在使用体验上还可以。

VisDrone2018，star=88，fork=36。这个工作是整个repo中唯一保留的与CV相关的工作了。大概在2018年参加的一个目标检测的工作。给定无人机拍摄的照片，识别照片中的人物，车辆，船只等物体。那个时候还是Faster-RCNN的年代，比赛的结果还算不错。后续又有做CV的同学基于这个repo做了一些其他的工作，还算比较有成就感，不过笔者之后基本就不再做CV的问题了。现在想一想，做CV还是比较有意思的，对不对？

tianchi-ruijin（瑞金医院-知识图谱构建）和kaggle-quora-insincere-question-classification（问题分类），以及lic2019-competition（基于知识图谱的主动聊天），都是比赛baseline，纯属拼手速的工作。在当时如果你能够赶在其他竞赛者放出baseline之前放出自己的baseline，就可以收获不错的star和fork数。然而在今天，似乎这样做就很难了，也许这就是红利期的一个代表场景了。

zhpmatrix.github.io，PaperReading, openmlsys-zh和CBLUE四个都不是代码类的项目，zhpmatrix.github.io是笔者写了6年的，共计约120篇的个人博客，现阶段写文章都会在公众号上。PaperReading是笔者个人的读的论文的三句话笔记，没想到竟然有102个star。openmlsys-zh是一本开源机器学习关于系统方向的书，参与了一个typo fix这种非常小的贡献。CBLUE则是一个医疗NLP的榜单，fix了一个代码中的关键bug。

还有其他一些有意思的项目，这里就不再一一陈述。欢迎关注笔者个人的github：https://github.com/zhpmatrix?tab=repositories

回看github，尚存在一些虽然不再维护，但是也不会删除的内容。比如：

今天这个organization的小伙伴分别散落在各个厂里，正在继续深耕NLP的方向。

那个时候，从数据挖掘到自然语言处理，再到计算机视觉，还有一些语音类的比赛。三年时间太短，但是记忆会一直保存。

至今，Github已经具备了一个类似朋友圈的功能，每天会打开看一下自己following的人正在做的工作，star了哪个项目？ fork了什么repo？push了哪些代码？时刻能够看到他们一直在的感觉，非常好。

进技术交流群请添加AINLP小助手微信（id: ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏