中文自然语言处理需要使用编程工具和框架，可以利用python实现需求。自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高。
推荐学习涂铭等编写的《Python自然语言处理实战：核心技术与算法》，重点探讨中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。
《Python自然语言处理实战核心技术与算法》PDF，303页，有书签目录，文字可以复制；配套源代码。作者：涂铭 / 刘祥/
下载: https://pan.baidu.com/s/1ErocLGI-GQQZpJFi7-CzmA 提取码: 868j
《Python自然语言处理实战：核心技术与算法》共11章，在逻辑上分为2个部分：
第一部分（第1、2、11章）主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。
第二部分（第5-10章）第3~5章讲解了词法分析相关的技术，包括中文分词技术、词性标注与命名实体识别、关键词提取算法等。
第6章讲解了句法分析技术，该部分目前理论研究较多，工程实践中使用门槛相对较高，且效果多是依赖结合业务知识进行规则扩展，未做深入探讨。
第7章讲解了常用的向量化方法，这些方法常用于各种NLP任务的输入。
第8章讲解了情感分析相关的概念、场景以及一般做情感分析的流程，情感分析在很多行业都有应用。
第9章介绍了机器学习的重要概念，同时重点突出NLP常用的分类算法、聚类算法，还介绍了几个案例。
第10章节介绍了NLP中常用的一些深度学习算法，这些方法比较复杂，但是非常实用，需要耐心学习。
对数学要求不高，写的比较简单，对于有算法基础的可以当作快速入门。做项目的入门书籍，写的较浅显。但是对于NLP领域的整体有一个趋势把握。
自然语言处理是人工智能领域的一个重要的研究方向，是计算机科学与语言学的交叉学科。随着互联网的快速发展，网络文本尤其是用户生成的文本呈爆炸性增长，为自然语言处理带来了巨大的应用需求。但是由于自然语言具有歧义性、动态性和非规范性，同时语言理解通常需要丰富的知识和一定的推理能力，为自然语言处理带来了极大的挑战。
近年来快速发展的深度学习技术为解决自然语言处理问题的解决提供了一种可能的思路，已成为有效推动自然语言处理技术发展的变革力量。
《基于深度学习的自然语言处理》中文PDF，274页，带书签目录，文字可以复制。《基于深度学习的自然语言处理》英文PDF，282页，带书签目录，文字可以复制。作者: Yoav Goldberg 译者: 车万翔 / 郭江 / 张伟男 / 刘铭
下载: https://pan.baidu.com/s/1v05L521Xr9le0IQCE7f6VA 提取码: 33ku
《基于深度学习的自然语言处理》重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识，如何将机器学习方法应用在自然语言处理中，以及词向量表示（而不是符号表示）的应用，然后介绍了更多专门的神经网络结构，包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。最后也讨论了树形网络、结构化预测以及多任务学习的发展展望。
网友评论