图书标签: NLP  机器学习  自然语言处理  AI  DL  人工智能  阿里推荐  计算机   

喜欢 Deep Learning in Natural Language Processing 的读者还喜欢

• 
  Neural Network Methods in Natural Language Processing pdf epub mobi txt 电子书 下载
• 
  统计自然语言处理（第2版） pdf epub mobi txt 电子书 下载
• 
  统计学习方法 pdf epub mobi txt 电子书 下载
• 
  动手学深度学习 pdf epub mobi txt 电子书 下载
• 
  机器学习实战 pdf epub mobi txt 电子书 下载
• 
  Pattern Recognition and Machine Learning pdf epub mobi txt 电子书 下载
• 
  信息检索导论 pdf epub mobi txt 电子书 下载
• 
  Python神经网络编程 pdf epub mobi txt 电子书 下载
• 
  概率论与数理统计 pdf epub mobi txt 电子书 下载
• 
  Effective Python pdf epub mobi txt 电子书 下载

能对DL在NLP上的应用有一个成体系的认识，当然近些年DL的发展实在太快。BERT等等，来不及收录。

比Goldberg 那本好太多了(可能两本书定位不一样)。每一章都邀请了这个领域有研究的学者来写。综述了发展现状，现在这个领域有几个流派，大家都有什么思路，介绍了现在比较主流的一些算法（主流和新颖的平衡)。关心到了nlp的关键领域

比Goldberg 那本好太多了(可能两本书定位不一样)。每一章都邀请了这个领域有研究的学者来写。综述了发展现状，现在这个领域有几个流派，大家都有什么思路，介绍了现在比较主流的一些算法（主流和新颖的平衡)。关心到了nlp的关键领域

这本书对自己的定位是"provide a comprehensive survey on the recent advances in deep learning applied to NLP"，遗憾的是，本书的文章应该是写于16、17年(根据参考文献判断)，书在18年下半年才出来。虽然才隔了两年，但这在飞速发展的NLP领域简直像一个世纪那么长。现在看已经过时了，不适合当"recent advances"看了，比较适合刚入门NLP不久的人看，当作一个用于快速跟上最新进展的过渡。另外由于每章都是不同的作者，导致风格不太一致，一些内容重复讲解，不过这个也是不可避免的吧。

比Goldberg 那本好太多了(可能两本书定位不一样)。每一章都邀请了这个领域有研究的学者来写。综述了发展现状，现在这个领域有几个流派，大家都有什么思路，介绍了现在比较主流的一些算法（主流和新颖的平衡)。关心到了nlp的关键领域