NLP相關論文綜述

參考：A. https://blog.csdn.net/huanghaocs/article/details/81160949

1. An Introduction to Conditional Random Fields
本篇論文詳細介紹了條件隨機場（Conditional Random Fields，CRF）模型，瞭解CRF模型必讀論文，包括有四個部分： 
第一部分介紹了CRF模型的基礎知識圖模型，還有判別式模型和生成式模型的區別。 
第二部分介紹了兩種CRF模型，Linear-chain CRFs和General CRFs，並介紹了CRF中的特徵工程和特徵選擇。 
第三部分介紹了CRF模型的引數優化和模型訓練，主要是最大似然估計，隨機梯度下降法。 
第四部分包括CRF的具體應用如NLP中的分詞、詞性標註、命名實體識別等序列標註任務。

論文下載：https://homepages.inf.ed.ac.uk/csutton/publications/crftut-fnt.pdf 
雲盤地址：連結: https://pan.baidu.com/s/1dnXLEOvgYeo-Ag8DBz9A_w 密碼: q754

2. Supervised Sequence Labelling with Recurrent Neural Networks
該論文詳細介紹了神經網路、RNN、LSTM等基礎知識，以及數學公式推導和求解過程，還介紹了神經網路方法在有監督的序列標註問題上的應用。具體包括神經網路、多層感知器的介紹，RNN，BiLSTM網路的構建和梯度求解，瞭解神經網路相關知識必讀論文。 
論文下載：https://www.cs.toronto.edu/~graves/phd.pdf 
雲盤地址：連結: https://pan.baidu.com/s/1DE2QMIdgM9qPqnZ_GR7gUQ 密碼: uyxs

3. Sentiment Analysis and Opinion Mining
這個不算是一篇論文，內容較多，其實是一本書，作者詳細總結了情感分析（Sentiment Analysis）和意見挖掘（Opinion Mining）領域的所有的研究方向，和一些經典的研究方法。包括文字情感分析的定義，情感分析的問題細分，如句子級別和文件級別。還有細粒度的情感分析，主觀和客觀的意見分析等。以及觀點和意見的摘要生成。總結的方法包括無監督方法：基於詞典方法、基於規則的方法、基於主題模型的方法；有監督方法：支援向量機SVM、CRF模型。 
論文下載：https://www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf 
雲盤地址：連結: https://pan.baidu.com/s/1HXyDjbJeCobGKVMOkoOwtg 密碼: tgf4

4. Deep Learning for Sentiment Analysis A Survey
該論文總結了深度學習在情感分析領域的應用，包括不同的模型方法，首先介紹了神經網路、深度學習的基礎知識，以及實際應用場景，然後分別介紹了不同的模型如何完成情感分析任務，包括詞向量word2vec模型、CNN、RNN、LSTM、Attention模型、Memory Network等各種主流模型。對於研究NLP中情感分析領域屬於必讀論文。 
論文下載：https://arxiv.org/ftp/arxiv/papers/1801/1801.07883.pdf 
雲盤地址：連結: https://pan.baidu.com/s/1eMZPNvNpYg1EU79AiEewTw 密碼: 9ad2

5. Recent Trends in Deep Learning Based Natural Language Processing
該論文總結了如今深度學習在NLP領域的研究熱點和趨勢，以及深度學習在解決各類NLP問題上的嘗試，從詞的表示學習講起包括詞詞向量、字元向量、word2vec模型等，到CNN模型的文字分類，到RNN的語言模型、句子分類。遞迴神經網路(Recursive neural networks)的情感分析，還有注意力Attention、Memory Network在問答系統、對話系統中的應用。 
論文下載：https://arxiv.org/pdf/1708.02709.pdf 
網盤地址：連結: https://pan.baidu.com/s/1mZmCFAZy9FYhWb3vK3Xv_w 密碼: sw34
--------------------- 
作者：hhaocode 
來源：CSDN 
原文：https://blog.csdn.net/huanghaocs/article/details/81160949 
版權宣告：本文為博主原創文章，轉載請附上博文連結！

          參考  B. https://blog.csdn.net/msh1216/article/details/8514728

 

Most of them could be accessed from the homepages of their authors.

Chinese Word Segmentaion 
張開旭同學整理的文獻列表：http://nlp.csai.tsinghua.edu.cn/~zkx/cws/bib.html

Information Extraction 
(2008) Sunita Sarawagi. Information extraction. Foundations and Trends in Databases.

Language Model
(2000) Rosenfeld, R. Two decades of statistical language modeling: where do we go from here?. Proc. IEEE.
(2009) Chengxiang Zhai. Statistical Language Models For information Retrieval. Lecture Notes.

Parsing
(2009) Sandra Kubler, Ryan McDonald, Joakim Nivre. Dependency Parsing. Synthesis Lectures on Human Language Technologies.

Sentiment Analysis and Opinion Mining
(2008) Bo Pang and Lillian Lee. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval .

Word Sense Disambiguation
(2009) Navigli, R. Word sense disambiguation: A survey. ACM Computing Surveys.

Topic Models
 Topic modeling bibliography http://www.cs.princeton.edu/~mimno/topics.html