全文共2444字，估计学习时长7分钟
图源：unsplash
当谈到学习方法时，我们常常会提到教程、博客文章、在线课程等等，书本总是会被忽略掉。即便是在找一本关于某个主题的书，也会很快发现这样的书太多了，无法疾速判别哪一本最合适本人。
为了协助你处理成绩，我帮你选择5本关于自然言语处理的书，不像其他的书单，除了第一本之外，这些书都不是收费的，但理想证明它们是值得投资的，希望能对大家有所协助。
1.运用Python停止自然言语处理（Natural Language Processing with Python）
本书由Steven Bird, Ewan Klein 和 Edward Loper编写，你可以从Python系统的角度学习自然言语处理的适用基础知识，更合适初学者。它也称为NLTK书籍，运用Python停止自然言语处理在整个过程中都很大程度上依赖于NLTK库。以下摘自这本书的序文：
“本书对NLP范畴引见粗浅易懂。它可以用于个人学习，也可以作为自然言语处理或计算言语学课程的教科书，或者作为人工智能、文本发掘或语料库言语学课程的补充。本书非常适用，包含数百个例子和分级练习。本书合适一切人，无论以前的编程阅历如何，只需你想学如何编程并分析书面言语，就可以读它。”
如上所述，这本书相对适用。虽然你一定会在停止过程中得到概念解释，但毫无疑问，这本书的确是为那些希望用Python完成NLP处理方案的人而设计的。
2.运用PyTorch停止自然言语处理（NaturalLanguage Processing with PyTorch）
图源：unsplash
本书的作者是Delip Rao和Brian McMahan，其中并没有引见NLP范畴的传统技术，而是引见了如今运用的神经网络。这门学科的另一种适用方法是运用PyTorch停止自然言语处理，将神经网络运用于NLP中。
从这本书的网站你可以直接看到一些主题，包括：
· 探求计算图表和监督学习范式
· 掌握PyTorch优化张量操作库的基础知识
· 对传统的NLP概念和方法停止概述
· 学习建立神经网络的基本概念
· 运用嵌入来表示单词、句子、文档和其他特性
· 探求序列预测并生成Seq2seq模型
· 学习构建消费NLP系统的设计形式
从更传统的（基于非神经网络）NLP技术到当代NLP，NLP越来越依赖于深度学习。
3.用神经网络的方法停止自然言语处理（Neural Network Methods for Natural Language Processing）
这是Yoav Goldberg写的关于NLP的神经网络方法的书。本书针对NLP相关的概念停止了深化解释，你可以学习如何轻松地用代码完成它们。以下摘自本书网站：
“这本书着重于神经网络模型在自然言语数据中的运用。本书第一部分和第二部分涵盖了监督机器学习和前馈神经网络的基础知识，在言语数据上运用机器学习的基础知识，以及运用基于向量而不是符号表征的单词。”
“本书第三部分和第四部分引见了更专业的神经网络架构，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留意力的模型。这些架构和技术是机器翻译、句法分析和许多其他运用程序的最新算法背后的驱动力。”
在实际或解释性范畴，自然言语处理的神经网络方法将大大加强你对基于古代神经网络的NLP方法是如何工作的了解。
4.自然言语处理的言语学基础（LinguisticFundamentals for Natural Language Processing）
在运用NLP时，自觉学习言语基础并不好一个好主意，而且在缺乏任何言语正式学习阅历的状况下，假如要从纯计算的角度研讨NLP或计算言语学时，你要留意的地方就有很多了。本书旨在协助你弥合这一差距。
网站上这样描画此书：
“本书旨在提供一种简约易懂的信息，它关于形状和句法结构的人类言语，可以用于创造更复杂、更独立的言语，因此是更成功的NLP系统。”
“本书第一章的以下内容支撑这一点：关于言语结构的知识可以为NLP的机器学习方法提供特征设计的信息。更详细地说：言语结构的知识将导致机器学习呈现更好的特征。”
“本书由100个为更好地了解形状和语法的要点组成，与要点组成相关主题的章节也包含在内。假如你没有言语学背景，读起来能够有些辛劳，但它将让你更好地了解言语，并在NLP职业生涯中纯熟运用。”
5.自然言语处理实际（NaturalLanguage Processing in Action）
Hobson Lane, Hannes Hapke 和Cole Howard合著的这本书将带我们回到理想。本书涵盖了传统的和基于神经网络的NLP方法，可以看作是书单中前两本书的组合，其中涵盖了运用古代工具，如TensorFlow和Keras的实践编码处理方案。
摘自本书网站：
“《自然言语处理实践运用》是一本指南，协助你建立可以阅读和解释人类言语的机器。你将运用现成的Python包来捕获文本中的含义并做出反应。本书扩展了传统的NLP方法，包括神经网络、古代深度学习算法和生成技术，协助你处理理想成绩，如提取日期和名字，编写文本，和回答自在方式的成绩。”
图源：unsplash
本书是目前市场上最新的、最片面和最适用的书。但你也可以根据想要进入的系统以及想要获得的细节程度，并思索其他一些要素，来选择更合适本人的书籍。
这5本都是相对值得一读的好书，你要做的是弄清楚本人到底想学什么，再做出相应的选择，接着读下去，相对会大有播种。
留言点赞关注
我们一同分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范 |
