1樓：陳氏探索者
自然語言處理綜論電子書:
自然語言處理綜論.zip - 藍奏雲
專家系統原理與程式設計電子書:
專家系統原理與程式設計.zip - 藍奏雲
語義網基礎教程資料電子書:
語義網基礎教程資料.zip - 藍奏雲
微積分的歷程：從牛頓到勒貝格+托馬斯微積分.zip微積分的歷程：從牛頓到勒貝格+托馬斯微積分.zip - 藍奏雲統計學習方法(李航)資料.zip
統計學習方法(李航)資料.zip - 藍奏雲數學●其它●數學史.zip
數學●其它●數學史.zip - 藍奏雲
2樓：
書籍：《An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition》
課程：UCB： CS 294-5: Statistical Natural Language Processing
JHU：Natural Language Processing
Columbia： COMS W4705: Natural Language Processing
UIUC： Machine Learning and Natural Language
UP： CSE477-Ling549: Mathematical Techniques in Linguistics, Fall 2008
UTAH： CS 5340/6340: Natural Language Processing
WISC： CS 838-1: Advanced Natural Language Processing
CMU： 11-611： NLP
3樓：霍華德
對於入門而言上來就看CS224並不好現在這門課已經變成完全的講授深度學習的方法了
固然深度學習在NLP領域取得了重大的發展但一上來就看深度學習難免忽視了NLP的一些基礎問題
我在此首先推薦Chris Manning和Dan jurafsky兩尊大神的至尊課程：
introduction to natural language processing
還有宅成翔教授的經典課程：
這兩門課程都會讓你有一種如沐春風的感覺然後徹底的瘋狂的愛上NLP
4樓：鄒大爺
先學基礎的一些機器學習演算法，然後找個具體的專案做一做，就算是入門了。然後具體想做哪個方向，就看個人興趣了。不要一味的看公開課，還是以實踐為主
5樓：奈七
研一就有比較明確的方向不錯，希望題主可以堅持下去。建議題主注重基礎，公式之類的盡量自己手動推導下。可以參加一些nlp相關的競賽如TREC之類的，實際上手操作下效果會好很多。
圖神經網路如何在自然語言處理中應用？
233 按我的理解 自然語言中現在最熱的Transformer，就可以當作是一種圖神經網路 Transformer tutorial Cheng Li 其實很關注這個問題。雖然自己不是做NLP的但是最近正好在看cs224思考GCN和NLP的關係CNN只能處理結構化塊狀資料的輸入和輸出 LSTM的優點...
如何看待自然語言處理未來的走向
atom Native 短回答 ACL系列 NeurIPS AAAI Tutorial Invited Talk Evaluation則是human out of loop，不過這是永恆的話題。至於昂貴的預訓練模型，其實只佔自然語言處理中的一小部分。當然坑是挖得不小了，一波引發各種魔改加可解釋。畢竟...
自然語言處理NLP中，Attention機制和Memory機制的優缺點各是什麼？
哈啾路亞 attention本質還是選擇附近時序序列的資訊，window attention就是非常好的例子。長距離下attention也會失效，這個是由softmax函式的特性決定的。畢竟當需要 注意 的面積太廣的時候，也就沒有 注意 的必要了。memory，主要指外部記憶，一旦被controll...