关于NLP入门的几个问题

工作关系，最近有接触到一些NLP的算法。之前对NLP的理解仅限于edit distance，pattern match 这类基于规则的文本处理。一直对这个领域不是太关注，想花一些时间入个门。

都说NLP三板斧是：

word to vector，
RNN，
attention

搞会了就可以和NLP Engineer们谈笑风生了。前辈们是否认为有道理？你们对于NLP的learning path 又是怎么样的？

这些是五六年前的三板斧吧😄现在各种新模型层出不穷。可以先从Stanford CS224N, CS224U学起，掌握了基本知识之后再多看一些State of the art的模型，在paperswithcode上多复现一些算法

transformer BERT

同nlp方向，插眼👀

如果有DL基础 做过具体项目 并且工程实现能力也有 忽悠不懂的确实够了 谈笑风生没个两年有点难

应该只剩最后一个了

NLP 入门不难，但是要做到谈笑风声很难。
首先要了解些基本概念，比如 word embedding，简单聊下word2vec
其次知道大概有哪些商业应用，比如 sentiment analysis，text classification，简单聊下 detect spam emails
然后就是上手做项目，用什么框架，解决什么问题，各行各业不一样，比如做下 NER，简单聊下 seq2seq --> attention/transformer --> BERT

看这个网站的总结，就可以谈笑风生了
http://nlpprogress.com/

跟帖学习

bert（attention）把前两个都干掉了。不过了解一下还是好的。