你可能知道深度学习如今风靡一时，它也触及了 NLP。最近的一次会议上有一个关于它的教程：来自斯坦福的 Richard Socher 和 Christopher Manning 的Deep Learning for Natural Language Processing (without Magic) 。

NLP 非常广泛和多样。以下是 NLP 中的一些基本工具：

1. 句子拆分：识别文本中的句子边界
2. 标记化：将句子拆分为单个单词
3. 词形还原：将单词转换为其词根形式。例如说，说，说都将映射到根形式 - 说
4. Stemmer：它类似于 lemmatizer，但它是词干而不是词根形式。eg笑了，笑就会干笑。然而，saying 将映射到 sa——就“sa”的含义而言，这并不是特别有启发性
5. 词性标注器：用词性标注一个词——什么是名词、动词、介词等。
6. 解析器：将带有 POS 标签的单词链接到带有 POS 标签的其他单词。例如，约翰吃了一个苹果。这里 John 和 apple 是由动词 -eat 连接的名词。John 是动词的主语，apple 是动词的宾语。

如果您正在寻找这些工具的最新技术，请查看StanfordCoreNLP，它拥有大多数这些工具和经过训练的模型，可以从文档中识别上述内容。还有一个在线演示可以在下载 stanfordCoreNLP 并将其与您的应用程序一起使用之前检查它。

NLP 有几个子领域。这里有几个：

1. 机器翻译：从一种语言自动翻译到另一种语言
2. 信息检索：类似于搜索引擎的东西，它根据搜索查询从大量文档中检索相关信息
3. 信息提取：提取概念和关键字——例如人名、地点、时间、同义词等。
4. 深度学习最近成为 NLP 的一个新领域，系统试图像人类理解一样理解文档。