NLP相关书籍和论文综述

ゝ一世哀愁。 2022-05-19 07:44 210阅读 0赞

### 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][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][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/][https_web.stanford.edu_jurafsky_slp3]  
网盘地址：链接：[https://pan.baidu.com/s/16XaXdqCKWwtle-TATl3Nwg][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][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][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][https_www.cs.toronto.edu_graves_phd.pdf]  
云盘地址：链接: [https://pan.baidu.com/s/1DE2QMIdgM9qPqnZ\_GR7gUQ][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][https_www.cs.uic.edu_liub_FBS_SentimentAnalysis-and-OpinionMining.pdf]  
云盘地址：链接: [https://pan.baidu.com/s/1HXyDjbJeCobGKVMOkoOwtg][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][https_arxiv.org_ftp_arxiv_papers_1801_1801.07883.pdf]  
云盘地址：链接: [https://pan.baidu.com/s/1eMZPNvNpYg1EU79AiEewTw][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][https_arxiv.org_pdf_1708.02709.pdf]  
网盘地址：链接: [https://pan.baidu.com/s/1mZmCFAZy9FYhWb3vK3Xv\_w][https_pan.baidu.com_s_1mZmCFAZy9FYhWb3vK3Xv_w] 密码: sw34

### 未完，有时间更新~ ###

[https_nlpoverview.com_index.html]: https://nlpoverview.com/index.html
[https_www.jiqizhixin.com_articles_2019-02-28-12]: https://www.jiqizhixin.com/articles/2019-02-28-12
[https_web.stanford.edu_jurafsky_slp3]: https://web.stanford.edu/~jurafsky/slp3/
[https_pan.baidu.com_s_16XaXdqCKWwtle-TATl3Nwg]: https://pan.baidu.com/s/16XaXdqCKWwtle-TATl3Nwg
[https_homepages.inf.ed.ac.uk_csutton_publications_crftut-fnt.pdf]: https://homepages.inf.ed.ac.uk/csutton/publications/crftut-fnt.pdf
[https_pan.baidu.com_s_1dnXLEOvgYeo-Ag8DBz9A_w]: https://pan.baidu.com/s/1dnXLEOvgYeo-Ag8DBz9A_w
[https_www.cs.toronto.edu_graves_phd.pdf]: https://www.cs.toronto.edu/~graves/phd.pdf
[https_pan.baidu.com_s_1DE2QMIdgM9qPqnZ_GR7gUQ]: https://pan.baidu.com/s/1DE2QMIdgM9qPqnZ_GR7gUQ
[https_www.cs.uic.edu_liub_FBS_SentimentAnalysis-and-OpinionMining.pdf]: https://www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf
[https_pan.baidu.com_s_1HXyDjbJeCobGKVMOkoOwtg]: https://pan.baidu.com/s/1HXyDjbJeCobGKVMOkoOwtg
[https_arxiv.org_ftp_arxiv_papers_1801_1801.07883.pdf]: https://arxiv.org/ftp/arxiv/papers/1801/1801.07883.pdf
[https_pan.baidu.com_s_1eMZPNvNpYg1EU79AiEewTw]: https://pan.baidu.com/s/1eMZPNvNpYg1EU79AiEewTw
[https_arxiv.org_pdf_1708.02709.pdf]: https://arxiv.org/pdf/1708.02709.pdf
[https_pan.baidu.com_s_1mZmCFAZy9FYhWb3vK3Xv_w]: https://pan.baidu.com/s/1mZmCFAZy9FYhWb3vK3Xv_w