# nlp

**Repository Path**: cvoo71/nlp

## Basic Information

- **Project Name**: nlp
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-30
- **Last Updated**: 2026-10-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NLP课程项目：外部数据与模型权重

本仓库用于存放课程项目外部资源，不是课程提交的源码包。包含7份中文上市公司年报、CFQA原始问答、自建题集标注ZIP、BGE中文向量检索权重和历史实验日志。

## 下载与还原

```powershell
git clone https://gitee.com/cvoo71/nlp.git
cd nlp
python restore_resources.py --output ../local_resources_DO_NOT_SUBMIT
```

也可以下载整个仓库ZIP，完整解压后在仓库目录执行第二条Python命令。还原脚本仅使用Python标准库，无需安装额外依赖或API Key。权重文件拆成5段，日志ZIP拆成2段，每段不超过20MiB；脚本会自动合并，并核对所有分片及最终文件的SHA256。已有不同内容的目标文件会报错并保留。

还原后目录包含：

- `models/bge-small-zh-v1.5/`：模型权重、分词器、配置和版本记录。
- `project_bootstrap/raw/`：7份年报PDF、CFQA原始train/test文件。
- `data_annotations_v1.zip`：项目选题、参考证据、冻结计划等标注。
- `run_evidence_v2.zip`：原始实验记录，包含200份开发集生成响应、84份正式测试响应和阶段结果。

将还原目录放在课程源码目录旁边，按源码README执行复现命令。例如在课程源码目录执行：

```powershell
.\run_project.ps1 -Mode bm25 -Annotations '..\local_resources_DO_NOT_SUBMIT\data_annotations_v1.zip' -LocalAssetsRoot '..\local_resources_DO_NOT_SUBMIT'
```

还原后，历史实验日志包可以作为课程源码full复现命令的Evidence参数，用于重新计算原报告的API实验结果，不会再次调用API。

## 来源、固定版本与使用范围

- BGE：BAAI/bge-small-zh-v1.5，固定revision `7999e1d3359715c523056ef9478215996d62a620`，发布者标注MIT许可。原模型卡与许可声明见https://huggingface.co/BAAI/bge-small-zh-v1.5 。这是检索编码器，不是本地生成大语言模型。
- CFQA：固定提交`61c9ec3c4335d0411a1735cd228af8b3ead114fc`，来源https://github.com/ygan/CFQA ，原仓库许可保留在licenses/CFQA_LICENSE.txt。
- 年报：来自公开信息披露渠道。逐文件原始URL、大小、SHA256见original_sources.json；年报版权归原权利人，CFQA仓库许可不自动覆盖年报。资源用于本课程实验复现，不构成投资建议。
- resources_manifest.json记录本仓库存储文件与还原文件的校验值。

不包含API密钥、个人私有数据、虚拟环境或课程源码提交包。