如果你對自然語言處理方面的資源感興趣，請仔細閱讀本篇文章。
執行資料科學poc的7個步驟
網上有很多依靠深度學習方法的nlp資源，有一些資源理論深厚，十分經典，特別是史丹福大學和牛津大學的nlp，其深度學習課程為： l
自然語言處理與深度學習（史丹福大學） l
自然語言處理的深度學習（牛津大學）
但是如果你已經完成了這些，或已經在nlp中獲得了基礎並想要轉向一些實用資源，或者只是對其他方法感興趣，希望這篇文章能對你有所幫助。
用python進行自然語言處理—用自然語言工具包分析文字
這是一本至少從實用性和
python
生態系統
的雙重視角介紹自然語言處理的書，它可以用於個人學習或作為自然語言處理或計算語言學課程的教科書，或作為人工智慧、文字挖掘或語料庫語言學課程的補充。本書通過使用自然語言工具包（
nltk
)來接近nlp。
nltk
包含豐富的軟體、資料和文件，可從
深度學習自然語言處理：jupyter筆記本課程
jon1.預處理用於機器學習應用的自然語言資料；
2.將自然語言轉換為數字表示（使用word2vec)；
3.通過訓練自然語言的深層學習模型進行**；
4.在高階tensorflow api keras中應用先進的nlp方法；
5.通過調整超引數來提高深度學習模型的效能。
3.如何解決90%的nlp問題：一步一步的指導
這是以筆記本的形式出現的另一套非常棒的教程，它遵循類似於上述krohn的軌跡。insight ai的emmanuel ameisen分解了完成哪些任務需要執行哪些步驟，閱讀完本文後，您將知道如何：
1.收集、準備和檢查資料。
2.從建立簡單的模型開始，並在必要時過渡到深度學習。
3.解釋並理解你的模型，確保您實際上獲取的是資訊而不是噪音。
4.keras lstm教程-如何輕鬆構建強大的深度學習語言模型
本教程比之前的資源重點更多，因為它涵蓋了在
keras
中實施用於語言建模的
lstm
。它通過附有解釋、**和視覺效果對此進行了詳細的介紹說明。在本教程中，我將專注於在keras中建立lstm網路，簡要回顧或概述lstm的工作原理。在keras lstm教程中，我們將利用稱為ptb語料庫的大型文字資料集來實現序列到序列的文字**模型。
5.使用組合lstm-cnn
模型的twitter
情感分析
這是一篇較短的教程（它是乙個
文章的概述），其中有使用lstm/cnn的組合方法的
**來分析情感。該專案顛覆了體系結構，並報告了不同的結果。
我們的cnn-lstm模型的準確度比cnn模型高3%，但比lstm模型差3.2%。同時，我們的lstm-cnn模型比cnn模型的效能好8.5%，比lstm模型好2.7%。
關於該項目的結果的可靠性，我暫時無法保證。但是，其創新的情感分析方式與混合在不同的神經網路體系結構中搭配使用，使我將其納入該列表中，希望能對讀者有所啟發。
相關： l
免費資源，用於深入學習自然語言處理入門。 l
自然語言處理鍵術語，解釋。
l 本文由阿里云云棲社群
組織翻譯。
文章原標題《5 fantastic practical natural language processing resources》
譯者：烏拉烏拉，審校：袁虎。
文章為簡譯，更為詳細的內容，請檢視原文文章
自然語言處理（五） 單詞糾錯
精準的定義就不多說了，直接上例子來理解這個編輯距離。編輯主要有三個操作 插入 刪除 修改。例如 goood變為good，只需要刪除乙個o，因此編輯距離是1。gd變為god。只需要插入乙個o，因此編輯距離是1。gwd變為god，只要修改w為o，因此編輯距離是1。例子如下 y字串是正確的字串的一部分，x...
五個非常實用的機器學習資源
簡評 介紹了五個實用的機器學習資源，由淺入深，理論和實踐結合，資料是英文。python 機器學習 有中文版的書籍，另外園長在文末推薦了乙個實用的中文資源 對機器學習有興趣？出於許多充分的原因，許多高質量的機器學習教育資源往往對理論非常關注，尤其是在最開始打基礎的時候。但是，現在的風氣似乎變成了一開始...
什麼是自然語言處理，自然語言處理目前的應用有哪些？
自然語言處理大體包括了自然語言理解和自然語言生成兩個部分，實現人機間自然語言通訊意味著要使計算機既能理解自然語言文字的意義，也能以自然語言文本來表達給定的意圖 思想等，前者稱為自然語言理解，後者稱為自然語言生成。自然語言處理是電腦科學領域與人工智慧領域中的乙個重要方向。自然語言處理的終極目標是用自然...