对于初学者来说，最系统的入门方法就是买一本好书。相比网络上的内容，书籍是反复审核修改过的，条理上也更加清晰，可以帮大家建立起更完备的知识体系。
今天rumor就从理论和实践两方面梳理一个中文NLP入门书单，帮大家快速入门。趁着新年的折扣季可以买起来了，薄的垫垫茶壶，保护桌子，厚的垫垫显示器，保护颈椎，还可以用来练习量子波动速读。
注：想组队学习的同学可以按文末的方式加入交流群
理论
理论方面主要还是从统计机器学习和深度学习出发，先打牢基础，NLP很多时候只是把输入输出改变而已。目前神经网络在NLP领域的效果已大大领先，所以先推荐两本这方面的书籍。
《神经网络与深度学习》
首推邱锡鹏老师的这本书，一方面是出版时间很新（20年5月），另一方面是书相对较小，不会给初学者造成太大压力。
《深度学习》
其次必须推荐花书，花书不是一次就能读完读透的，已经有基础的同学可以当作工具书来用，在碰到难题或者面试前都可以翻翻。没有基础的同学最好先看上一本。
除了深度学习之外，经典的统计方法也是需要了解的，业界也有一些应用场景，像分词这样对速度要求高的任务不必要上神经网络，经典方法足矣。
《自然语言处理入门》
这本是HanLP的作者何晗出品的，HanLP是Github上一个21k的项目，基于Java高效地实现了分词、词性标注等通用句法、语义任务，虽然不是研究层面的，但在工业界应用十分广泛，很多公司的分词基础组件都是基于HanLP改的。当年我优化分词模块的时候也拜读了源码，十分佩服作者的功底和学习能力。何晗大佬的这本书主要从统计算法角度讲解，侧重于句法分析任务的理论和实践。
《统计自然语言处理》
也是很经典的一本，但出版时间是2013年，很多方法都过时了。不太适合初学者用来入门现在的NLP，但用来了解统计方法是很好的。
《数学之美》
数学之美是吴军老师很经典的科普读物，用易懂的语言和故事带我们了解一个个NLP应用。书不厚，适合闲暇时间阅读。强烈推荐。
介绍完一些基础理论书籍后，也推荐些各个任务上的应用书籍。其实深入某个子任务最好的办法是去找近一年的综述文献，但找不到、或者没时间阅读大量英文文献的话也可以借助中文书籍过渡。
《知识图谱与深度学习》
刘知远老师、韩旭博士和孙茂松教授20年中出品的书，系统地介绍了知识图谱相关模型及应用，还有各模型的实验测评。
《智能问答》+《机器翻译》+《知识图谱》
这三本18年底出版的系列书籍是周明、李沐、赵军三位大佬分别署名的，主要是对该领域进行体系化地分类，再介绍历任模型、数据集等，可以当综述看。
《文本情感分析》
由中科院靳小龙团队在19年11月出版，比较新，系统地介绍了情感分析领域。
《机器阅读理解》
斯坦福博士、微软研究员朱晨光20年初的书，除了阅读理解外还介绍了NLP基础，并讲到了最新的BERT，同时配有阅读理解模型代码，适合初入该领域的同学。
《百面系列》
Hulu团队出品，基本是面试必备了。虽然基础都学了，但面试时总会发现有知识点遗漏，这两本可以帮忙迅速补救。
实践
实战的书选起来没有理论书那么纠结，现在框架都封装得很好了，如果明白原理且有一定编程基础，再看下代码就差不多懂了，甚至不买书直接去找源码也是可以的。书的好处是代码更加规范，配有一定注释且风格一致，选取自己倾向的一门语言去看即可，难度上 Keras<Pytorch<Tensorflow。
《动手深度学习》
李沐在19年中出版的实战书，虽然使用了MXNet这个框架，但概念的讲解和Python实现都不错，适合快速上手。目前的深度学习框架都差不多，蹭别人源码时用pytorch和tensorflow都有可能，不用太拘泥，初入门主要学习模型的逻辑。
《自然语言处理实战》
如果不想看MXNet，可以参考这本比较新的书，20年底出版，配有Keras代码，比其他深度学习框架都容易些。
《TensorFlow自然语言处理》
19年7月出版，从词向量到文本生成都有讲，还不错。
买书和学习
现在书籍的数量越来越多了，上述列表只是我个人筛选的结果，有些同样经典但较老的书籍就没有推荐，如有遗漏欢迎补充。同学们自己找的话，建议选择出版时间近两年、由知名业内大佬出版的图书，同时也可以看下京东、当当上的评论，避免踩坑。看书的时候，不必要求自己一口气看完，可以参考这篇NLP学习路线，先刷一遍重要的知识点，再辅以实践去慢慢深入。
遗憾的是，上述书籍都没有涉及太多BERT之后的进展。所以书籍只是入门的辅助，帮大家打牢基础、建立知识体系，真正深入前沿还需要阅读更多的英文论文，读起来困难的话可以参考中文博客和知乎。
2021年了，要继续保持学习的心态鸭 (ง •̀_•́)ง
推荐资料：
欢迎初入NLP领域的小伙伴们加入rumor建立的「NLP卷王养成群」一起学习，添加微信leerumorrr备注简书+NLP即可，群里的讨论氛围非常好～
