NLP的基本任务和对应的算法

###开篇
这边给自己挖个大坑，这边主要讲一些基本的nlp任务和对应的算法，希望给大家一个对应的索引，以便去很好的寻找相对应的算法，也希望能够和我未来写的博客建立起来链接。

###目录
注意这边这是一个目录，我会慢慢丰富这个目录，然后建立目录和相应的博客链接。

• 词性分析
  算法：基于Bi-LSTM-CRF算法体系，以及丰富的多领域词表

• 命名实体识别
  和词性分析同属序列标注
  算法：基于Bi-LSTM-CRF算法，最新的bert

• 句法分析（依存句法分析、成分句法分析）
  算法：shift-reduce、graph-based、Bi-LSTM
  依存句法

• 情感分析（情感对象、情感属性、情感属性关联）
  算法： 情感词典挖掘、属性级、句子级、篇章级情感分析

• 句子生成
  算法：Beam Search、Seq2Seq+Attention

• 句子相似度（浅层相似度、语义相似度）
  算法：Edit Distance，Word2Vec，DSSM
  中文短文本相似度：WMD
  深度文本匹配的基本方法
  深度文本匹配模型（一）
  深度文本匹配模型（二）

• 文本分类/聚类（垃圾防控、信息聚合）
  算法：ME，SVM，FastText
  文本分类
  textcnn源码解读

• 文本表示（词向量、句子向量、篇章向量、Seq2Seq）
  算法：Word2Vec、LSTM、DSSM、Seq2Seq为基础进行深入研究
  深度学习中文NLP任务实战（一）：中文词向量的训练
  深度学习中文NLP任务实战（二）：使用训练好的词向量
  TensorFlow与NLP（词向量：skip-gram）

• 知识库
  算法：数据规模：电商同义词，通用同义词，电商上下位，通用上下位，领域词库（电商词、娱乐领域词、通用实体词），情感词库

• 文本自动摘要
  一个简短的文本摘要综述

##应用的简介
应用

• 问答机器人
  如何构建一个问答机器人（FAQ问答机器人）
• 评论总结系统

##基础
RNN-语言模型