![1]( "1")
自然语言处理（Natural Langauge Processing，NLP）是计算机系统理解人类语言的一种能力，它也是人工智能（AI）的子集。NLP在很多商业场景中都有所应用，比如推荐系统、对话机器人等。NLP相关的岗位薪资和前景在机器学习算法岗中也是具有很大的吸引力，很多人转行从事这方面的研究，大多数人是通过自学来提升自己的能力。目前，网络上也有很多多免费资源可以帮助自学者发展NLP方面的专业知识，但资源多且杂，没有很好的一条线将其串起来，那么在本文中，我们列出了针对初学者和中级学习者的学习资源。
针对初学者的NLP资源
![2]( "2")
对于初学者而言，可以采用两种方法，即传统的机器学习和深度学习来学习使用NLP，这两种方法差别很大的，
这里讲述了两者之间的区别。
传统的机器学习
传统的机器学习算法一般比较复杂，通常不易被人理解。以下是一些资源，可以帮助读者开始使用机器学习学习NLP：
深度学习
深度学习是机器学习领域中的一个子领域，由于人工神经网络的引入，其性能一般远远优于传统的机器学习方法。初学者可以从以下资源开始：
- CS 224n：这是斯坦福大学的公开课，也是开始使用深度学习进行NLP的最佳课程；
- Yoav Golberg出版的免费和付费书籍也是开始深度学习NLP的重要资源；
- 所有算法的非常全面的报道都可以在Jacob Einsenstein的NLP课程笔记中找到，该课程几乎涉及所有NLP方法。
针对从业者的NLP资源
![3]( "3")
如果你是一名数据科学家，那么将需要以下三种类型的资源：
1.快速入门指南/了解热门和新的知识；
2.特定问题的方法调查；
3.定期关注博客；
快速入门指南/了解热门和新的知识
2.https://distill.pub/2016/augmented-rnns/
- 卷积神经网络（Convnets）可用于理解自然语言，通过阅读此文可以帮助你想象在Convnets中处理NLP；
- Convnets和RNNs之间的相互比较已经在此文中总结出，二者实现的pytorch代码也公开在此；
特定问题的方法调查
从业者需要的另一类资源是对特定问题的回答：“我必须训练一个算法来完成某一项任务X，此时我能使用的最有利（也很容易获得）的东西是什么呢？”。
以下是你需要的内容：
文本分类
人们解决NLP的第一个问题是什么呢，主要是文本分类。文本分类可以将文本分类为不同的类别或检测文本中的情感。
- ParallelDots 博客中描述了关于情感分析的不同调查，虽然该调查是针对情感分析技术的，但可以将其扩展到大多数文本分类问题中。
- 另一项关于情感分析算法的调查（由Linked大学和UIUC的人员进行）可以通过在此阅读。
- 迁移学习在深入学习中变得非常热门，尤其是在图像处理任务中，只需要针对具体的分类任务进行模型微调就可以获得比较好的性能，同理，在维基百科上训练用于语言建模的NLP模型也可以在相对较少量的数据上迁移学习文本分类。以下是来自相关的资源链接：
1.https://arxiv.org/abs/1801.06146
2.https://s3-us-west-2.amazonaws.com/openai-assets/research-covers/language-unsupervised/language_understanding_paper.pdf
- Fast.ai上有一个关于NLP的学习文档可供使用，链接在此。
如果你正在学习两个不同的任务，而没有使用迁移学习的话，在此处提到了使用Convnet的技巧。
- 我们还发布了关于Zero Shot Text分类的工作，该工作在没有任何数据集培训的情况下获得了良好的准确性，并且正在开发下一代。我们构建了自定义文本分类API，读者可以在其中定义自己的类别。
序列标记
- 序列标记是一种标记具有不同属性的单词的任务，这些任务包括词性标注、命名实体识别、关键字标记等，我们在这里为这些任务写了一个有趣的方法调查。
- 今年COLING的研究论文为这些问题提供了一个很好的资源，它为训练序列标记算法提供了最佳指导。
机器翻译
2.https://www.forbes.com/sites/tonybradley/2017/07/31/facebook-ai-creates-its-own-language-in-creepy-preview-of-our-potential-future/#1d1ca041292c
问答系统
市面上有许多不同类型的问答任务，比如从选项中选择、从段落或知识图表中选择答案并根据图像回答问题，并且有不同的数据集可以了解最新技术方法。
* SQuAD数据集是一个问答数据集，它测试算法阅读理解和回答问题的能力。微软在今年早些时候发表的一篇论文中声称，他们已经达到了人类级别的精度。另一个重要的算法是Allen AI的BIDAF及其改进版；
- 另一个重要的算法是Visual Question Answering，它可以回答有关图像的问题。Teney等人的论文是一个很好的入门资源，可以在Github上找到实现代码；
- 在现实生活中，提取问答对大型文件应答可使用迁移学习来完成，相关的论文可以在此访问；
改述、句子相似或推理
NLP有三个不同的任务：句子相似性，释义检测和自然语言推理（NLI），每个都需要比上一个更多的语义理解。 MultiNLI及其子集Stanford NLI是NLI最有名的基准数据集，并且最近成为了研究的焦点；此外，还有MS复述语料库和Quora语料库用于释义检测，以及用于STS的SemEval数据集（语义文本相似性），可在这里找到此领域中对相关模型的调查综述。在临床领域应用NLI是非常重要的，比如了解正确的医疗程序、副作用和药物的交叉影响等，此教程是医学领域中应用NLI的一个好资源。
下面是这个领域推荐的论文列表：
- 交互空间的自然语言推理——它采用了一种非常聪明的方法，使用DenseNet表示句子，你可以在这里阅读该论文；
- 这篇来自Omar Levy小组的研究论文表明，即使是简单的算法也能完成任务；
- BiMPM是预测释义的一个好模型，可以在这里访问；
- 我们还有一项关于释义检测的新工作，它将关系网络应用于句子表示之上，并已在今年的AINL会议上被接受。
其他领域
以下是一些更详细的综述性文章，阅读这些文章可以帮助你，获取在制作NLP系统时可能遇到的其他任务的研究信息。
- 语言建模（LM）——语言建模是学习一个无监督语言表示的任务，这是通过给定前N个单词的句子来预测第（n + 1）个单词。这些模型具有两个重要的实际用途，即自动完成并用作文本分类的转移学习的基础模型。详细的综述文章在此，如果有兴趣了解如何根据搜索历史自动完成手机/搜索引擎中的LSTM工作， 可以阅读这篇论文；
- 关系提取——关系提取是提取句子中存在的实体之间关系的任务，给定的句子“A像r一样与B相关”，那么得到三元组（A,r,B）。详细的综述文章在此，它使用BIDAF进行零射击关系提取；
- 对话系统—— 随着聊天机器人革命的开始，对话系统现在也风靡一时。许多人将对话系统看作成意图检测、关键字检测、问答等模型的组合，而其他人则尝试端到端地对其进行建模。详细的综述文章在此，在这里提下Facebook AI的Parl.ai框架；
- 文本摘要——文本摘要用于从文档中获取精简文本（段落/新闻文章等）。有两种方法可以做到这一点：提取和抽象总结。虽然抽取摘要从文章中提供了具有最高信息内容的句子，但抽象概括的目的是像人类一样编写摘要。来自爱因斯坦AI的演示将抽象概括带入了主流研究中，详细的综述文章在此；
- 自然语言生成（NLG）—— 自然语言生成是计算机旨在像人类一样写作的研究，可能是写故事、诗歌、图像标题等。目前，在生成图像标题上已经做得很好了，其中将LSTM和注意机制相结合，使得输出可用于现实生活中，详细的综述文章在此；
关注博客
以下是推荐关注的博客列表，对于NLP感兴趣的读者可以时常浏览：
作者信息
Muktabh Mayank，数据科学家、企业家、社会学家
个人主页：https://twitter.com/muktabh
文章原标题《Free resources to learn Natural Language Processing》，译者：Uncle_LLD。
文章为简译，更为详细的内容，请查看原文。
