自2013年以来，我一向在研讨自然言语处理(NLP)，其时手动特征工程在机器学习范畴十分盛行。从那时起，咱们现已走了很长一段路。我实践上是为我的博士专门研讨信息检索和机器学习技能的，尤其是它们怎么运用于交际核算和核算言语学，一同还开发了从大规模依据文本的数据中高效提取信息的办法。我很走运有将经典机器学习运用于NLP的经历，并亲眼目睹了该范畴深度学习的爆破式增加。

许多学生一向在要求我为怎么开端自然言语处理预备攻略。这篇博客文章旨在依据研讨，对该范畴的了解和个人经历来协助别人。虽然这不是直接攻略，但我在此处同享的资源能够协助您依据需要创立自己的NLP学习途径。这将是我多年来遇到的教育资源的结合。我将共享我在研讨这些资源及其适用方面的经历。

这份清单不管怎么都不是翔实无遗的，可是它应该供给一些挑选，关于任何有爱好开端运用NLP的人来说都是一个很好的起点。您实践上并不需要耗费一切内容。只需挑选合适您当时需求的资源即可。例如，或许您现已有了一些理论基础，而您只需要取得开发生产中的NLP体系的最佳实践。在这种情况下，您能够直接跳至主张，以获取有关NLP技能的着手经历。我只是在介绍我个人学习过的内容，我敢肯定还有许多其他我牵挂的资源，假如有任何主张，请随时宣布谈论。

Speech and Language Processing

by Dan Jurafsky and James H. Martin

学习基础常识关于学习任何一门学科都是至关重要的。我是十分推重这一点的，由于这对我来说很有用。我重视这本书现已有一段时间了，现在现已是第三版了。这本书所触及的资料写得特别好，为NLP供给了一个很好的理论基础。关于任何想要开端学习NLP的人来说，这有或许是一个很好的起点。即便我现已读过这本书，我也会定时回忆它，由于它定时更新该范畴的最新开展。假如你真的很喜爱这本书，你也会发现这些讲座很有用，由于它们的确涵盖了书中所触及的许多根本主题。

Linguistic Fundamentals for Natural Language Processing: 100 Essentials from Morphology and Syntax

by Emily M. Bender

Emily Bender是我最喜爱的言语学研讨者之一。她的工刁难我所从事的研讨产生了巨大的影响，使我能够选用愈加谨慎的办法来进行关于NLP研讨。NLP深受言语学的影响，事实上，Emily 主张用言语学的规矩来辅导NLP的开展。她的书为NLP中运用的言语学概念进行了一个精彩的介绍。关于任何从事NLP的学生来说，这都是一本必读的书。

Linguistic Structure Prediction

by Noah A. Smith

本书首要介绍自然言语处理与机器学习之间的联络，涵盖了计算，依据核算办法建模言语结构。本书假定你现已对机器学习有必定的触摸。假如你对机器学习不太了解，能够在这儿检查我做的机器学习引荐列表。主张你至少要做一门机器学习的入门课程，才干最大极限地运用这本书。

Introduction to Natural Language Processing

by Jacob Eisenstein

这是我最喜爱的NLP书本之一，由于它专心于评论言语学概念和运用。它涵盖了波束查找、最大似然估量、矩阵因子化等办法。然后，它解说了怎么运用这些办法来处理广泛的使命，如分类、词性标示、联系提取、言语建模等。这本书假定读者具有多元演算和线性代数等常识。这本书直接引荐的一本书是《机器学习数学》一书。与其他书比较，它是一本更高档的教科书，它的确需要对机器学习和数学概念有所了解。

Neural Network Methods in Natural Language Processing (Synthesis Lectures on Human Language Technologies)

by Yoav Goldberg

假如你刚刚开端学习NLP的旅程，你或许现已触摸到NLP中更现代的办法，比方RNN和其他依据深度学习的模型。假如您正在寻觅关于神经网络理论上的全面总述以及它们怎么在NLP中运用，这本书便是为你预备的。在本书中找到的参考文献对我自己的研讨起到了重要作用。

Modern Deep Learning Techniques Applied to Natural Language Processing

by Soujanya Poria and Elvis Saravia

关于NLP的现代办法，我还想引荐我和Soujanya Poria一同收拾的这个敞开资源。它会引导你了解NLP范畴的一些最新开展，从单词嵌入到注意力机制再到强化学习。

CS224N: Natural Language Processing with Deep Learning | Winter 2019

by Christopher Manning and Abigail See

假如你最近刚开端触摸NLP，你或许现已触摸过这门盛行的NLP课程。一切的讲座和幻灯片都是揭露的，你能够在课程网站上找到它。这门课程十分重视NLP的深度学习办法，所以你会看到第一讲直接从词向量开端，然后过渡到卷积网络和transfomer等更高档的主题。假如你对经典的NLP办法感爱好，你或许要看看最初说到的一本书。事实上，我强烈主张你这样做，由于它是对构建实践NLP体系在实践中有用的名贵常识。

这样的理论常识很好，可是不管您是NLP研讨人员仍是工程师，都必须经过着手实践对其进行弥补。我发现这些书关于在言语建模和依据文本的分类等主题上进行操练十分有用。

Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning

by Delip Rao and Brian McMahan

虽然这本书是依据PyTorch的，但用深度学习构建言语运用的实践仍是很不错的。此外，还有一些传统概念和办法的内容和代码，比方TF-IDF和语义，等等。假如你是一名PyTorch开发人员，你会发现本书很简单上手。

Natural Language Processing in Action

by Hobson Lane, Cole Howard, and Hannes Hapke

这是另一本特别的书，也是我最喜爱的一本书，能够让你对一切的NLP进行实战操练。这本书辅导你怎么从语料库树立第一个词汇，一向到树立一个谈天机器人。这本书中有许多代码示例，所以假如你喜爱敲代码，它或许很合适你。

Practical Natural Language Processing

by Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana

在NLP的着手实践，我十分喜爱本年出书的这本书。它涵盖了从NLP的各种实践运用到布置NLP体系的最佳实践等主题。虽然我对这本书只读了一半，但我仍是不得不把它录入进来，由于有许多NLP工程师都想了解怎么更有用地构建NLP体系，了解构建NLP体系所需的技能。

附录(奖赏)

这儿有一些其他资源和项目，能够协助你坚持对NLP范畴的了解。

• Papers with Code
• arXiv (cs.CL)
• Made with ML
• NLP Progress
• NLP News by Sebastian Ruder
• NLP Newsletter by Elvis Saravia

关于怎么开端对NLP学习，我的主张就到这儿了。重要的是，你要挑选最合适自己的内容。我现已测验为每个条目供给一些解说，希望能协助你创立自己的学习途径。这些都是我遇到的最好的资源，我发现它们对扩展我的常识乃至教授这些概念十分有用，更不用说将它们运用于研讨思路和构建从语义查找引擎到情感分类器的NLP体系了。

本文转自雷锋网，如需转载请至雷锋网官网请求授权。