NLP是什么？
NLP是一门融语言学、计算机科学、数学于一体的科学。主要内容包括如下：
如何用NLP与语言学的关键概念来描述和分析语言
NLP中的数学结构和算法是如何实现的
自然语言处理目前主流的技术与方法论
信息检索技术与大数据应用
推荐文章
NLP：自然语言处理技术的简介、发展历史、案例应用之详细攻略
Paper之ACL&EMNLP：2009年~2019年ACL计算语言学协会年会&EMNLP自然语言处理的经验方法会议历年最佳论文简介及其解读
NLP：《NLP Year in Review 2019&NLP_2019_Highlights》2019年自然语言处理领域重要进展回顾及其解读
Dataset：数据集集合(NLP方向数据集)——常见的自然语言处理数据集大集合(建议收藏，持续更新)
1、NLP前置技术解析
搭建Python开发环境
正则表达式在NLP中的基本应用
Numpy使用详解
2、python中NLP技术相关库
word2vec
nltk
jieba
Py之SnowNLP：SnowNLP中文处理包的简介、安装、使用方法、代码实现之详细攻略
NLP之word2vec：word2vec简介、安装、使用方法之详细攻略
3、NLP案例实践
3.1、机器翻译
3.2、语音识别(Automatic Speech Recognition)
NLP之ASR：语音识别技术(Automatic Speech Recognition)的简介、发展历史、案例应用之详细攻略
NLP之ASR：基于pyaudio利用python进行语音生成、语音识别总结及其案例详细攻略
NLP之ASR：基于python和机器学习算法带你玩转的语音实时识别技术
3.3、中文分词
中文分词简介
规则分词
统计分词
混合分词
中文分词工具—Jieba
3.4、词件标注与命名实体识别
词性标注
命名实体识别
实体识别(NER)
3.5、关键词提取算法
摘要提取
关键词提取技术概述
TF/IDF
TextRank
LSA/LSI/LDA算法
实战提取文本关键词
推荐文章
NLP：基于textrank4zh库对文本实现提取文本关键词、文本关键短语和文本摘要
NLP：基于snownlp库对文本实现提取文本关键词和文本摘要
NLP：基于nltk和jieba库对文本实现提取文本摘要(两种方法实现：top_n_summary和mean_scored_summary)
3.6、句法分析
文本分析
句法分析概述
句法分析的常用方法
使用Stanford Parser的PCFG算法进行句法分析
3.7、文本向量化
文本向量化概述
向量化算法woed2vec
向量化算法doc2vec、str2vec
网页文本向量化
推荐文章
NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化
NLP之word2vec：利用 Wikipedia Text(中文*)语料+Word2vec工具来训练简体中文词向量
3.8、文本分类
如：垃圾邮件分类、情感分析。
3.9、情感分析技术
情感分析应用
情感分析基本方法
实战电影评论情感分析
推荐文章
NLP之TEA：自然语言处理之文本情感分析的简介、算法、应用、实现流程方法、案例应用之详细攻略
NLP之情感分析：基于python编程(jieba库)实现中文文本情感分析(得到的是情感评分)
3.10、Solr搜索引擎
全文检索的原理
Solr简介与部署
Solr后台管理描述
配置Schema
Solr管理索引库
3.11、NLP中常用的机器学习算法
分类器方法
无监督学习的文本聚类
文本分类：中文垃圾邮件分类
文本聚类：用k-means对豆瓣读书数据聚类
推荐文章
NLP之TM之LDA：利用LDA算法瞬时掌握文档的主题内容—利用希拉里邮件数据集训练LDA模型并对新文本进行主题分类
3.12、NLP中常用的深度学习算法
神经网络模型
多输出层模型
反向传播算法
最优化算法
丢弃法
激活函数
实现BP算法
词嵌入算法
训练词向量实践
朴素Vanilla-RNN
LSTM网络
Attention机制
Seq2Seq模型
图模型
深度学习平台
问答机器人
推荐文章
NLP之WE之CBOW&Skip-Gram：CBOW&Skip-Gram算法概念相关论文、原理配图、关键步骤之详细攻略
NLP之WE之Skip-Gram：基于TF利用Skip-Gram模型实现词嵌入并进行可视化、过程全记录