9. 论文 || 文章

• 9.1. 2018 年，NLP 研究与应用进展到什么水平了？
  • 9.1.1. 导读
  • 9.1.2. 学术研究
  • 9.1.3. 商业应用
  • 9.1.4. 小结
  • 9.1.5. 作者介绍
• 9.2. 谷歌终于开源 BERT 代码：3 亿参数量，机器之心全面解读
  • 9.2.1. 1 简介
  • 9.2.2. 2 Transformer 概览
  • 9.2.3. 3 BERT 论文解读
  • 9.2.4. 4 官方模型详情
  • 9.2.5. 参考链接：
• 9.3. 细说中文分词
  • 9.3.1. 什么是中文分词
  • 9.3.2. 为什么要中文分词
  • 9.3.3. 中文分词面临的挑战
  • 9.3.4. 歧义词
  • 9.3.5. 未登录词
  • 9.3.6. 中文分词的技术分类
  • 9.3.7. 基于统计的分词法
  • 9.3.8. 基于规则的分词法
  • 9.3.9. 条件随机场（Conditional Random Field，CRF）
  • 9.3.10. 常见中文分词工具
  • 9.3.11. 中文分词使用案例
  • 9.3.12. 参考资料：
• 9.4. 一文看懂 NLP 神经网络发展历史中最重要的 8 个里程碑
  • 9.4.1. 2001 - 神经语言模型
  • 9.4.2. 2013 - 词嵌入
  • 9.4.3. 2013 - NLP 神经网络
  • 9.4.4. 2014 - sequence-to-sequence 模型
  • 9.4.5. 2015 - 注意力机制
  • 9.4.6. 2015 - 基于记忆的网络
  • 9.4.7. 2018 - 预训练语言模型
  • 9.4.8. 其他里程碑事件
  • 9.4.9. 非神经网络算法的里程碑事件
• 9.5. 自然语言处理（NLP）知识结构总结
  • 9.5.1. 一、自然语言处理概述
  • 9.5.2. 二、形式语言与自动机
  • 9.5.3. 三、语言模型
  • 9.5.4. 四、概率图模型，生成模型与判别模型，贝叶斯网络，马尔科夫链与隐马尔科夫模型（HMM）
  • 9.5.5. 五、马尔科夫网，最大熵模型，条件随机场（CRF）
  • 9.5.6. 六、命名实体 识别，词性标注，内容挖掘、语义分析与篇章分析（大量用到前面的算法）
  • 9.5.7. 七、句法分析
  • 9.5.8. 八、文本分类，情感分析
  • 9.5.9. 九、信息检索，搜索引擎及其原理
  • 9.5.10. 十一、深度学习在自然语言中的应用
• 9.6. 中国科学院计算技术研究所自然语言处理研究组