使用PyTorch 进行自然语言处理 - 2019.pdf
使用PyTorch 进行自然语言处理
自然语言处理（NLP）为解决人工智能问题提供了无限机会，使亚马逊Alexa和谷歌翻译等产品成为可能。如果您是NLP和深度学习新手的开发人员或数据科学家，本实用指南将向您展示如何使用PyTorch（一种基于Python的深度学习库）应用这些方法。
作者Delip Rao和Brian McMahon为您提供了NLP和深度学习算法的坚实基础，并演示了如何使用PyTorch构建涉及您遇到的问题的丰富文本表示的应用程序。每章包括几个代码示例和插图。
•探索计算图和监督学习范例
•掌握PyTorch优化张量操作库的基础知识
•概述传统的NLP概念和方法
•了解构建神经网络所涉及的基本思想
•使用嵌入来表示单词，句子，文档和其他功能
•探索序列预测并生成序列到序列模型
•了解用于构建生产NLP系统的设计模式
Natural Language Processing with TensorFlow - 2018.pdf
https://github.com/PacktPublishing/Natural-Language-Processing-with-TensorFlow
Mastering Natural Language Processing with Python - 2016.pdf
https://github.com/PacktPublishing/Mastering-Natural-Language-Processing-with-Python
斯坦福权威教程 Speech and Language Processing (3rd edition in making) - Dan Jurafsky, James H. Martin 可在线下载
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书内容涵盖了自然语言处理的方方面面，从底层的词法分词、语法分析和语义分析，到和应用更为接近的自然语言处理任务，如信息抽取、机器翻译、自动问答、文本摘要、对话系统等。书中将自然语言处理、计算语言学以及语音识别等内容融合在一起，把各种技术相互联系起来，让读者了解怎样才能最佳地利用每种技术，怎样才能将各种技术结合起来使用。
推荐理由：最经典的自然语言处理的入门教程，也被国外许多著名大学选为自然语言处理和计算语言学课程的主要教材。本书写作风格引人入胜，深入技术细节而又不让人感觉枯燥，不仅可以作为高等学校自然语言处理和计算语言学等课程的本科生和研究生教材，对于自然语言处理相关领域的研究人员和技术人员也是不可或缺的权威参考书。
斯坦福权威教程 Foundations of Statistical Natural Language Processing - Chris Manning, Hinrich Schütze -- 有点老
主要内容：本书涵盖的内容十分广泛，分为四个部分，共16章，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不同水平的读者群的需求。同时，《统计自然语言处理基础：国外计算机科学教材系列》将理论与实践紧密联系在一起，在介绍理论知识的基础上给出了自然语言处理技术的高层应用（如信息检索等）。
推荐理由：经典的统计自然语言处理的入门教材。内容涉及统计自然语言处理用到的数学基础，词法到语法分析，以及自然语言处理的基本任务（比如文本分类、聚类，统计机器翻译，以及信息检索）。本教材成书较早（1999年），但是自然语言处理领域的基本概念和任务没有太大的变化，仍然适用于初学者快速了解自然语言处理相关的概念和任务。
Foundations of Statistical Natural Language Processing - 1999.pdf
统计自然语言处理（第2版） (中文信息处理丛书) - 2013.pdf
作者：宗成庆
适合人群：初级到中级学者
推荐指数：★★★★☆
主要内容：本书介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等。
推荐理由：本书既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。
Neural Network Methods in Natural Language Processing - 2017.pdf
作者：Yoav Goldberg
适合人群：初级到中级学者
推荐指数：★★★★★
主要内容：本书着重介绍神经网络模型在自然语言数据中的应用。本书的前半部分介绍了有监督的机器学习和前馈神经网络的基础知识，基于语言数据的机器学习的基础知识。它还涵盖了可以定义和训练任意神经网络的计算图形抽象方面的知识，是当代神经网络软件库设计的基础。本书的第二部分介绍了更多专门的神经网络体系结构，包括一维卷积神经网络、递归神经网络、条件生成模型和基于注意力的模型。这些体系结构和技术是机器翻译、句法分析和许多其他应用程序的最先进算法的推动力量。最后，本书还讨论了树形网络，结构化预测和多任务学习的前景。
推荐理由：大家都知道最近几年由于深度学习的兴起，使得图像识别、语音识别等多个方面都发生了很大的变革。深度学习在自然语言处理方面也是非常普遍了，一些经典的自然语言模式也都是基于神经网络的，这本书是目前市面上唯一一本介绍神经网络在自然语言处理的应用，是最新、最前沿的东西，而且书中的大量参考文献非常有价值。本书的作者在这个领域非常知名，并且对待学术态度极其严谨。深入浅出，值得对深度学习在自然语言处理中应用感兴趣的同学系统地读一读。
Deep Learning for Natural Language Processing
课程导师：Richard Socher
适合人群：初级到中级学者
课程链接：
http://cs224d.stanford.edu/syllabus.html
推荐指数：★★★★★
主要内容：斯坦福大学自然语言小组的基于深度学习的自然语言处理的课程。介绍了自然语言处理领域广泛应用的网络结构（例如循环神经网络、卷积神经网络以及递归神经网络等）及其在自然语言处理的经典任务，例如分类任务（情感分类），序列标注任务（实体识别），序列到序列的生成任务（机器翻译）的实际应用。
推荐理由：自然语言处理是信息时代最重要的技术之一。理解复杂的语言也是人工智能的重要组成部分。自然语言处理的应用无处不在，因为人们用语言沟通了大部分内容：网络搜索、广告、电子邮件、客户服务、语言翻译、放射学报告等等。本课程比较适合对这个领域感兴趣的初学者。
Deep Learning for Natural Language Processing Creating Neural Networks with Python - 2018.pdf
https://github.com/Apress/deep-learning-for-natural-language-processing
Oxford Deep Learning for NLP class
课程导师：Phil Blunsom. (2017) Class by Deep Mind NLP Group.
适合人群：中级到高级学者
课程链接：https://machinelearningmastery.com/oxford-course-deep-learning-natural-language-processing/
推荐指数：★★★★★
主要内容：DeepMind团队成员在牛津大学教授基于深度学习的自然语言处理的课程。内容涉及到词嵌入，基于循环神经网络的语言模型，基于循环神经网络和卷积神经网络的文本分类，基于循环神经网络的条件语言模型（广泛应用于机器翻译、文本摘要等）及其中的注意力机制，以及基于深度学习模型的自动问答等主要自然语言处理的任务。
推荐理由：深度学习方法在一套自然语言处理问题上达到了最先进的效果，这是英国牛津大学教授的一门关于自然语言处理深度学习的课程，本课程的大部分材料都可以在线免费获取。比较适合对这个领域有一定的基础，希望了解最新进展和进一步学习和研究的同学。
希望韦福如博士推荐的书单能够对想进入自然语言处理领域却有些迷茫、无从入手的小伙伴们有所帮助，也希望这些小可爱们将来能在这个领域发光发热！
Python自然语言处理 - 2014.pdf
自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能够实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及所有用计算机对自然语言进行的操作。
《Python自然语言处理》是自然语言处理领域的一本实用入门指南，旨在帮助读者学习如何编写程序来分析书面语言。《Python自然语言处理》基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库，但并不要求读者有Python编程的经验。全书共11章，按照难易程度顺序编排。第 1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第 10章介绍了句子解析、句法结构识别和句意表达方法。第 11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
《Python自然语言处理》的实践性很强，包括上百个实际可用的例子和分级练习。《Python自然语言处理》可供读者用于自学，也可以作为自然语言处理或计算语言学课程的教科书，还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。
Natural Language Processing with Python - 2009.pdf 基于 python2.7, 经典，但是有点老。
Graph-based Natural Language Processing and Information Retrieval - 2011.pdf
Graph-based-Natural-Language-Processing-and-Information-Retrieval](https://amzn.to/2IGPflp)
Graph theory and the fields of natural language processing and information retrieval are well-studied disciplines. Traditionally, these areas have been perceived as distinct, with different algorithms, different applications and different potential end-users.
However, recent research has shown that these disciplines are intimately connected, with a large variety of natural language processing and information retrieval applications finding efficient solutions within graph-theoretical frameworks.
Text Retrieval, Extraction and Categorization
Natural-Language-Processing-for-Online-Applications-Text-Retrieval-Extraction-and-Categorization](https://amzn.to/2GK4CUs)
This text covers the technologies of document retrieval, information extraction, and text categorization in a way which highlights commonalities in terms of both general principles and practical concerns.
It assumes some mathematical background on the part of the reader, but the chapters typically begin with a non-mathematical account of the key issues.
更多书籍
Deep Learning for Natural Language Processing Creating Neural Networks with Python - 2018.pdf
Deep Learning in Natural Language Processing - 2018.pdf
Applied Natural Language Processing with Python - 2018.pdf
Introduction to Natural Language Processing - 2018.pdf
Natural Language Processing and Computational Linguistics 2 - 2018.pdf
Neural Network Methods in Natural Language Processing - 2017.pdf
Hands-On Natural Language Processing with Python - 2018.pdf
fastText Quick Start Guide - 2017.pdf
Natural Language Processing Python and NTLK - Nitin Hardeniya 2016.pdf
Natural Language Processing with TensorFlow - 2018.pdf
Natural Language Processing with Python cookbook - 2018.pdf
Natural Language Processing with java -2nd 2018.pdf
Mastering Natural Language Processing with Python - 2016.pdf
统计自然语言处理（第2版） (中文信息处理丛书) - 2013.pdf
自然语言处理简明教程 (现代语言学丛书) - 2012.pdf
Natural Language Processing in Python - 2016.pdf
参考资料
讨论qq群144081101 591302926 567351477
本文涉及的python测试开发库 谢谢点赞！
亚马逊最佳销量排名
来源：
https://machinelearningmastery.com/books-on-natural-language-processing/
https://www.onlinebooksreview.com/articles/natural-language-processing-books
https://www.goodreads.com/shelf/show/natural-language-processing
