NLP相关论文综述

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

1. An Introduction to Conditional Random Fields
本篇论文详细介绍了条件随机场（Conditional Random Fields，CRF）模型，了解CRF模型必读论文，包括有四个部分： 
第一部分介绍了CRF模型的基础知识图模型，还有判别式模型和生成式模型的区别。 
第二部分介绍了两种CRF模型，Linear-chain CRFs和General CRFs，并介绍了CRF中的特征工程和特征选择。 
第三部分介绍了CRF模型的参数优化和模型训练，主要是最大似然估计，随机梯度下降法。 
第四部分包括CRF的具体应用如NLP中的分词、词性标注、命名实体识别等序列标注任务。

论文下载：https://homepages.inf.ed.ac.uk/csutton/publications/crftut-fnt.pdf 
云盘地址：链接: https://pan.baidu.com/s/1dnXLEOvgYeo-Ag8DBz9A_w 密码: q754

2. Supervised Sequence Labelling with Recurrent Neural Networks
该论文详细介绍了神经网络、RNN、LSTM等基础知识，以及数学公式推导和求解过程，还介绍了神经网络方法在有监督的序列标注问题上的应用。具体包括神经网络、多层感知器的介绍，RNN，BiLSTM网络的构建和梯度求解，了解神经网络相关知识必读论文。 
论文下载：https://www.cs.toronto.edu/~graves/phd.pdf 
云盘地址：链接: https://pan.baidu.com/s/1DE2QMIdgM9qPqnZ_GR7gUQ 密码: uyxs

3. Sentiment Analysis and Opinion Mining
这个不算是一篇论文，内容较多，其实是一本书，作者详细总结了情感分析（Sentiment Analysis）和意见挖掘（Opinion Mining）领域的所有的研究方向，和一些经典的研究方法。包括文本情感分析的定义，情感分析的问题细分，如句子级别和文档级别。还有细粒度的情感分析，主观和客观的意见分析等。以及观点和意见的摘要生成。总结的方法包括无监督方法：基于词典方法、基于规则的方法、基于主题模型的方法；有监督方法：支持向量机SVM、CRF模型。 
论文下载：https://www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf 
云盘地址：链接: https://pan.baidu.com/s/1HXyDjbJeCobGKVMOkoOwtg 密码: tgf4

4. Deep Learning for Sentiment Analysis A Survey
该论文总结了深度学习在情感分析领域的应用，包括不同的模型方法，首先介绍了神经网络、深度学习的基础知识，以及实际应用场景，然后分别介绍了不同的模型如何完成情感分析任务，包括词向量word2vec模型、CNN、RNN、LSTM、Attention模型、Memory Network等各种主流模型。对于研究NLP中情感分析领域属于必读论文。 
论文下载：https://arxiv.org/ftp/arxiv/papers/1801/1801.07883.pdf 
云盘地址：链接: https://pan.baidu.com/s/1eMZPNvNpYg1EU79AiEewTw 密码: 9ad2

5. Recent Trends in Deep Learning Based Natural Language Processing
该论文总结了如今深度学习在NLP领域的研究热点和趋势，以及深度学习在解决各类NLP问题上的尝试，从词的表示学习讲起包括词词向量、字符向量、word2vec模型等，到CNN模型的文本分类，到RNN的语言模型、句子分类。递归神经网络(Recursive neural networks)的情感分析，还有注意力Attention、Memory Network在问答系统、对话系统中的应用。 
论文下载：https://arxiv.org/pdf/1708.02709.pdf 
网盘地址：链接: https://pan.baidu.com/s/1mZmCFAZy9FYhWb3vK3Xv_w 密码: sw34
--------------------- 
作者：hhaocode 
来源：CSDN 
原文：https://blog.csdn.net/huanghaocs/article/details/81160949 
版权声明：本文为博主原创文章，转载请附上博文链接！

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

 

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

Chinese Word Segmentaion 
张开旭同学整理的文献列表：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