NLP入门实例推荐（Tensorflow实现）

1. MNIST(NN)

2. MNIST(CNN)

3. Text Classification(CNN)

4. 导读：Sentence Similarity(CNN) 
   项目：Tensorflow实例-CNN处理句子相似度

5. 论文：Multi-Perspective Sentence Similarity Modeling with Convolutional Neural Networks 
   项目：github 
   导读：Tensorflow实例-CNN处理句子相似度（MPCNN）

6. 论文：Character-level Convolutional Networks for Text Classification 
   项目：github 
   导读：基于字符的卷积神经网络实现文本分类（char-level CNN）-论文详解及tensorflow实现

7. 文章：Understanding LSTM Networks 
   项目：github 
   导读：基于循环神经网络实现基于字符的语言模型（char-level RNN Language Model）-tensorflow实现

8. 论文：Implementation of Hierarchical Attention Networks for Document Classification 
   项目：github 
   导读：Implementation of Hierarchical Attention Networks for Document Classification的讲解与Tensorflow实现

9. 论文：Ask Me Anything: Dynamic Memory Networks for Natural Language Processing 
   项目：github 
   导读：Ask Me Anything: Dynamic Memory Networks for Natural Language Processing 阅读笔记及tensorflow实现

10. 实战： 基于深度学习的大规模多标签文本分类任务总结

总体来说，难度由浅入深，适合初学者入门。大部分项目都会按照论文、项目、和导读三个部分，首先阅读论文，其次在github上寻找开源实现，如果其中有不懂的问题就在网上找解决办法，我想这也是大多数初学者适合的道路。在写这篇入门实例推荐时，我也会把实例中涉及的代码风格进行统一，以方便记忆。目前涉及的模型主要有：

1. Deep Neural Network(DNN)
2. Convolution Neural Network(CNN)
3. Recurrent Neural Network(RNN)以及LSTM
4. Recurrent Convolution Neural Network(RCNN)
5. sequence2sequence(Attention)
6. Hierarchical Attention Networks(HAN)
7. Dynamic Memory Networks(DMN)
8. EntityNetwork

[1] 李航NSR论文：深度学习NLP的现有优势与未来挑战 
[2] NLP维基百科