近幾年，自然語言處理這個技術領域突飛猛進，一些在本科階段就接觸該領域的同學已經成功進入自然語言處理（nlp）專業，進行更深入的研究。自然語言處理（nlp）學習資源一般有：中文nlp，包括如果你想向中文nlp領域發展，最好多讀一讀《中文語言處理》《中文機器翻譯教程》，裡面有些來自於國外的優秀實驗室和經典論文。
國外nlp的經典論文可以通過讀《exploringnaturallanguageprocessing》進行了解；英文nlp比較成熟和高頻的綜述有《practicallanguageprocessing》《languageunderstanding》，裡面有很多經典的論文；以及經典的michaeln.reid的《thefoundationsofnaturallanguageprocessing》和《thefoundationsoflanguageunderstanding》，國內有些機構翻譯為《自然語言處理》。
一般從研究生第一年開始上專業課，從自然語言理解開始，一個學期、半個學期和一個學期的課程會介紹不同的核心概念。最重要的是閱讀帶有一定的難度的書籍，這也意味著讀者要學習本領域最頂尖的期刊和會議論文。
在領域頂尖期刊上看到的論文，往往有更好的基礎和嚴謹的寫作風格。學生對這些書的喜愛通常會給學生自己找到學習的動力，事實上，就我本人來說，看完《artificialintelligence》這本書後，我的語言水平、數學水平、專業素養以及行業知識得到很大的提升。
不同於許多機器學習中特有的方法。nlp在推薦系統，搜索，語音識別等方面已經開始得到很多應用。然而現有的nlp方法沒有走出這一極限。我所能想到的，是自動推薦系統，結合自然語言處理的學習資源有：基於機器學習的推薦系統，通過智能推薦機制，讓更多的用戶選擇他們最感興趣的產品。
基於機器學習的搜索系統，它可以用自然語言中的詞和語言；基於模型的網頁推薦系統；結合機器學習的推薦系統；機器學習在資源分配方面的應用。本人希望大家都能利用這些閱讀資源提升自己的知識與能力。
自然語言處理讀書問答系列：讀什麼：先看一本入門性質的書籍，推薦《機器學習實戰》這本書比較推薦人工智慧入門有困惑的人看一看，它適合閱讀，值得反覆閱讀。不過對於讀研的人來說，這本書可能過於深了，數學公式較多，剛剛接觸自然語言處理的本科生可能會看不懂。把這本書當作科普書來看。
從哪裡看：這裡推薦的方法都是讀《googlebook》。怎麼讀：確定感興趣的話題。主要從數據分析，nlp歷史，機器學習，自然語言處理，循環神經網絡入手；讀哪個方向的論文，讀懂。通常從nlp裡面分類：自然語言處理，機器學習，深度學習。