NLP相关书籍和论文综述

Modern Deep Learning Techniques Applied to Natural Language Processing

这是一篇在线的概述文章，介绍了NLP的发展历史，以及最新处理NLP任务的方法，从词的分布式表示如word2vec，Glove等词向量模型，到CNN、RNN等分类模型和seq2seq序列到序列模型，已经注意力Attention模型，再到并行化注意力Transformer模型，并对比了不同方法在词性标注、句法分析、命名实体识别、语义角色标注、情感分类、机器翻译、问答系统等不同任务上的表现。这个是最近更新，非常值得阅读！！！
英文原文：https://nlpoverview.com/index.html
中文翻译：万字长文概述NLP中的深度学习技术，https://www.jiqizhixin.com/articles/2019-02-28-12

Speech and Language Processing

这个是NLP大牛Daniel Jurafsky的关于语音和语言处理的一本书，NLP领域非常经典的入门教程，语言通俗易通，实例简单形象。最近作者在写最新的第三版，要知道第二版是2008年完成的，最新版除了介绍传统的自然语言处理方法外，如贝叶斯分类、逻辑回归、TF-IDF等，也加入了最新的神经网络和深度学习一类方法，有介绍神经网络语言模型、问答系统、对话系统、机器翻译等。还有信息检索、实体链接分析等。现在第三版还没有完全写完，作者把已经完成的公开在网站上，可供下载。
网站主页：https://web.stanford.edu/~jurafsky/slp3/
网盘地址：链接：https://pan.baidu.com/s/16XaXdqCKWwtle-TATl3Nwg 提取码：expw

An Introduction to Conditional Random Fields

本篇论文详细介绍了条件随机场（Conditional Random Fields，CRF）模型，了解CRF模型必读论文，包括有四个部分：
第一部分介绍了CRF模型的基础知识图模型，还有判别式模型和生成式模型的区别。
第二部分介绍了两种CRF模型，Linear-chain CRFs和General CRFs，并介绍了CRF中的特征工程和特征选择。
第三部分介绍了CRF模型的参数优化和模型训练，主要是最大似然估计，随机梯度下降法。
第四部分包括CRF的具体应用如NLP中的分词、词性标注、命名实体识别等序列标注任务。

论文下载：https://homepages.inf.ed.ac.uk/csutton/publications/crftut-fnt.pdf
云盘地址：链接: https://pan.baidu.com/s/1dnXLEOvgYeo-Ag8DBz9A_w 密码: q754

Supervised Sequence Labelling with Recurrent Neural Networks

该论文详细介绍了神经网络、RNN、LSTM等基础知识，以及数学公式推导和求解过程，还介绍了神经网络方法在有监督的序列标注问题上的应用。具体包括神经网络、多层感知器的介绍，RNN，BiLSTM网络的构建和梯度求解，了解神经网络相关知识必读论文。
论文下载：https://www.cs.toronto.edu/~graves/phd.pdf
云盘地址：链接: https://pan.baidu.com/s/1DE2QMIdgM9qPqnZ_GR7gUQ 密码: uyxs

Sentiment Analysis and Opinion Mining

这个不算是一篇论文，内容较多，其实是一本书，作者详细总结了情感分析（Sentiment Analysis）和意见挖掘（Opinion Mining）领域的所有的研究方向，和一些经典的研究方法。包括文本情感分析的定义，情感分析的问题细分，如句子级别和文档级别。还有细粒度的情感分析，主观和客观的意见分析等。以及观点和意见的摘要生成。总结的方法包括无监督方法：基于词典方法、基于规则的方法、基于主题模型的方法；有监督方法：支持向量机SVM、CRF模型。
论文下载：https://www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf
云盘地址：链接: https://pan.baidu.com/s/1HXyDjbJeCobGKVMOkoOwtg 密码: tgf4

Deep Learning for Sentiment Analysis A Survey

该论文总结了深度学习在情感分析领域的应用，包括不同的模型方法，首先介绍了神经网络、深度学习的基础知识，以及实际应用场景，然后分别介绍了不同的模型如何完成情感分析任务，包括词向量word2vec模型、CNN、RNN、LSTM、Attention模型、Memory Network等各种主流模型。对于研究NLP中情感分析领域属于必读论文。
论文下载：https://arxiv.org/ftp/arxiv/papers/1801/1801.07883.pdf
云盘地址：链接: https://pan.baidu.com/s/1eMZPNvNpYg1EU79AiEewTw 密码: 9ad2

Recent Trends in Deep Learning Based Natural Language Processing

该论文总结了如今深度学习在NLP领域的研究热点和趋势，以及深度学习在解决各类NLP问题上的尝试，从词的表示学习讲起包括词词向量、字符向量、word2vec模型等，到CNN模型的文本分类，到RNN的语言模型、句子分类。递归神经网络(Recursive neural networks)的情感分析，还有注意力Attention、Memory Network在问答系统、对话系统中的应用。
论文下载：https://arxiv.org/pdf/1708.02709.pdf
网盘地址：链接: https://pan.baidu.com/s/1mZmCFAZy9FYhWb3vK3Xv_w 密码: sw34

未完，有时间更新~