实验环境： python --version 3.5.2
tensorflow
keras
pytorch

本项目旨在归纳总结自然语言处理工程师所需的理论与实践内容，每个模块尽量包含理论（经典算法和最新paper）和实践部分。

1、基础数学理论：

线性代数、概率论

2、机器学习：

逻辑回归、贝叶斯、k近邻、决策树、最大熵、支持向量机、EM、GBDT、XGBoost

3、深度学习：

3.1 CNN
3.2 RNN
3.3 归一化
3.4 激活函数
3.5 dropout
3.6 反向传播

4、概率图模型：

隐马尔科夫、条件随机场

5、强化学习：

基于策略梯度、基于价值

1、文本向量化：

1.1 tfidf

1.2 word2vec
（文件夹）word2vec:word2vec使用（done）

1.3 glove
1.4 elmo
1.5 bert
1.6 xlnet

2、文本分类问题

2.1（文件夹）sentiment：情感分析实践-目前使用word2vec和svm实现（done）
2.2 BiLSTM
2.3 HAN

3、自然语言推理问题
相似文本匹配、问答匹配）

4、语言生成问题

闲聊、摘要

5、任务型对话 对话状态跟踪、对话策略生成、用户模拟器

6、知识图谱 基于neo4j构建问答系统 transe

7、信息抽取 命名实体识别

8、自然语言基础功能： 8.1 分词

8.2 词性标注 （文件夹）HMMPostag:hmm词性标注（done）

8.3 句法分析

8.4 新词发现 （文件夹）NewWordFinder:新词发现功能（done）

8.5 指代消解

9、文本聚类

（文件夹）LDATopicModel:lda主题模型（done）

10、机器翻译： 德译英

备注： （文件夹）resource：部分项目公共资源目录