五个入门深度学习自然语言处理资源

爱因思念l5j0t8 2017-08-08

展开全文

博客地址：http://www.jianshu.com/p/371a9dd9bba1
或者点击阅读原文

From Richard Socher's slides

这里收集了五个入门深度学习自然语言处理资源，这些资源为你介绍了目前一些最新的技术。它也为你提供了一些下一步自然语言发展的方向。

1.Deep Learning for NLP (without Magic)

http://lxmls./2014/socher-lxmls.pdf

这是由斯坦福大学 Richard Socher 和 MetaMind 共同打造的幻灯片，这个幻灯片最初是在里斯本的机器学习暑假学校中演示。你会发现它是一个将深度学习应用到 NLP 的一个非常好的实践，以及如何去深入学习 NLP 。

当然，你学习 Socher 的博客也是一个非常好的方法。

2.Deep Learning applied to NLP

https:///pdf/1703.03091.pdf

这是 Marc Moreno Lopez 和 Jugal Kalita 一起做的一个调研论文，主要的摘要如下：

卷积神经网络（CNN）通常与计算机视觉相关。CNN在图像分类上面取得了重大的突破，是当今大多数计算机视觉系统的核心算法。最近，CNN也被应用到了自然语言处理问题，并且得到了一些非常有趣的结果。在本文中，我们将解释 CNN 的基础知识，以及不同的变体和如何将 CNN 模型应用到 NLP 问题上面。

3.A Primer on Neural Network Models for Natural Language Processing

http://u.cs./~yogo/nnlp.pdf

Yoav Goldberg 的一篇论文，以下是简单摘要：

本教程从神经网络的角度对自然语言处理问题进行了调查，我们试图利用神经网络技术来解决 NLP 问题。本教程涵盖了自然语言处理的一些任务，以及前馈网络，卷积网络，递归网络和循环网络，以及网络计算图的自动编码和梯度的抽象计算。

作为奖励，我建议你同时阅读下面一篇文章：

An Adversarial Review of “Adversarial Generation of Natural Language”
https:///@yoav.goldberg/an-adversarial-review-of-adversarial-generation-of-natural-language-409ac3378bd7
Clarifications re “Adversarial Review of Adversarial Learning of Nat Lang” post
https:///@yoav.goldberg/clarifications-re-adversarial-review-of-adversarial-learning-of-nat-lang-post-62acd39ebe0d
A Response to Yann LeCun’s Response
https:///@yoav.goldberg/a-response-to-yann-lecuns-response-245125295c02

4.Natural Language Processing with Deep Learning (Stanford)

http://web./class/cs224n/