点击上方关注，All in AI中国在最近几年中，神经网络已经在自然语言处理中发挥越来越重要的作用。在很大程度上归功于诸如词嵌入，以及由至少部分地通过神经网络构建的语言模型驱动的聊天机器人的爆炸式增长，神经网络在该领域取得的成就也越来越大。
传送门：https://NLPoverview.com/
NLP概述：应用于自然语言处理的现代深度学习技术是由Elvis Saravia和Soujanya Poria维护的一种活资源 - 资源维护者表示，该项目的主要部分直接借用了Young等人的工作（论文传送门：https://arxiv.org/abs/1708.02709）。它涵盖了神经网络在NLP中使用的主要成就。直接来自项目本身：
该项目概述了基于深度学习的自然语言处理（NLP）的最新趋势。它涵盖了深度学习模型背后的理论描述和实现细节，例如递归神经网络（RNN）、卷积神经网络（CNN）和强化学习，用于解决各种NLP任务和应用。概述还包含NLP任务（例如机器翻译、问答和对话系统）的最新结果摘要。
无论是寻找进步的概述，想知道某些特定任务中的最新技术水平，还是寻求实施代码，NLP概述项目都可能对您有用。它的真正优点是它的简洁和有条理;您可以在一小时内从上到下阅读主要信息，或者也可以很容易的选择到您感兴趣的内容。
项目目标如下：
- 该项目的主要动机如下：
- 保持最新的学习资源，整合与NLP研究相关的重要信息，例如：
- 最先进的结果
- 新兴概念和应用
- 新的基准数据集
- 代码/数据集发布
- 等等
- 创建一个友好和开放的资源，以帮助指导研究人员和任何有兴趣了解适用于NLP的现代技术的人。
- 一个合作项目，专家研究人员可根据他们最近的研究结果和实验结果提出变化（例如，纳入SOTA结果）
对于NLP从业者或那些对该领域有一定了解的人来说，这个资源可能是一个很好的发现，对于那些对这个领域比较陌生的领域的人来说，可能没什么用处。您可能希望首先开发基础知识，然后访问此概述以快速了解NLP目前是如何利用神经网络和深度学习进行实践。
感谢Elvis Saravia和Soujanya Poria将NLP和神经网络目前重叠的地方放在一起，提供了一个可访问的，信息丰富的概述，并为读者提供了很多可以带走它们的内容。
,
