Nlp 对于对自然语言处理感兴趣的人来说，什么是好的起点？ 问题:

因此，我最近提出了一些可能的新项目，这些项目必须处理从用户提交和生成的文本中获得“意义”的问题

是处理这类问题的领域，经过一些初步研究，我发现了与大学的合作。而且stackoverflow已经成功了

如果有人能把我和一些好的资源联系起来，从研究论文、介绍文字到API，我会比一个6岁的孩子打开他的圣诞礼物更快乐

更新 通过你的一条建议，我发现了“世界上最大、最完整的常识库和常识推理引擎”。更令人惊奇的是，有一个项目是opencyc的一个提炼版本，名为。它以rdf/owl/skos n3语法的语义数据为特征

我还偶然发现了一个解析器生成器，用于“根据语法描述构造识别器、解释器、编译器和翻译器”

我这里有一个问题，列出了很多

---

谢谢你的社区

你可以试着读一读，这基本上是许多语言处理背后的数学基础。它实际上并没有那么重，主要基于集合论和图论。很多月前，我在离散数学课程中学习了它，我想在这个阶段有很多很好的参考资料

---

编辑：虽然看起来像是一个很好的学习资源，但没有我在谷歌上期望的那么多。

NLP的早期探索者之一是诺姆·乔姆斯基；他在50年代到70年代写了一些关于这个主题的小书。你可能会发现这种引人入胜的阅读方式。

Cycorp对他们的Cyc知识库是如何从句子中获得意义有着深刻的认识

---

通过利用大量常见事实的知识库，该系统可以确定一个句子最符合逻辑的语法分析。

很难说，NLP是一个比大多数人想象的更广泛的领域。基本上，语言可以分为几个类别，这需要你学习完全不同的东西

在我开始之前，让我告诉你，如果没有某个（密切相关的）领域的学位，我怀疑你是否会取得显著的成功（至少作为一名专业人士）。涉及到很多理论，其中大部分都是枯燥乏味的东西，很难学习。你需要很大的耐力，最重要的是：时间

如果你对文本的意思感兴趣，那么，这就是下一件大事。语义搜索引擎预计将启动Web3.0，但我们还远远没有做到这一点。从文本中提取逻辑取决于几个步骤：

• 标记化、分块
• 在词汇层面上消除歧义（时间像箭一样飞逝，但水果像香蕉一样飞逝。）
• 句法分析
• 形态分析（时态、体、格、数等）

一张小单子，从我头上掉下来的。还有更多：-），每一点都有更多的细节。例如，当我说“解析”时，这是什么？有许多不同的解析算法，也有同样多的解析形式。其中最强大的是和。但这两种技术目前都很少在该领域使用。通常情况下，你需要处理一些不成熟的生成方法，并且必须自己进行形态学分析

从这里到语义学是一大步。语法/语义接口取决于所采用的语法和语义框架，目前还没有单一的工作解决方案。在语义方面，有经典的生成语义，还有，还有更多。即使是所有事物所基于的逻辑形式主义，也仍然没有得到很好的定义。有人说应该使用一阶逻辑，但这似乎不够；还有蒙塔古使用的内涵逻辑，但这似乎过于复杂，在计算上不可行。还有动态逻辑（Groenendijk和Stokhof是这方面的先驱。很棒的东西！）最近，今年夏天，实际上，提出了一种新的形式主义，好奇语义学，也很有趣

如果你想从一个非常简单的层面开始，请阅读，这是一个很棒的东西，事实上是对计算语义的介绍！我最近扩展了他们的系统，以涵盖问题的划分理论（问答是一种野兽！），正如Groenendijk和Stokhof（1982）所提出的那样，但不幸的是，该理论在个人领域的复杂性为O（n²）。在这样做的时候，我发现B&B的实现在某些地方有点，呃……黑客。尽管如此，它将真的，真的帮助你深入研究计算语义，它仍然是一个非常令人印象深刻的展示可以做什么。此外，他们应该为实现低俗小说（电影）中的语法而获得额外的酷分

---

当我在做的时候，拿起序言。许多计算语义学的研究都是基于Prolog的。这是一个很好的介绍。我还可以推荐“Prolog的艺术”和Covington的“Prolog深度编程”以及“Prolog程序员的自然语言处理”，前者可以在网上免费获得。

从构建块开始，一个更简单的地方是查看文档，找到一个试图实现这一点的包。我推荐Python[自然语言工具包（NLTK）”，特别是因为它有很多例子，它不会让你完全得到你想要的（这是一个AI难题），但它会给你一个很好的基础。NLTK有解析器、分块器、上下文无关语法等等。

史蒂文·平克（Steven Pinker）的《语言本能》（Language Institute）是一篇非常有趣的易读介绍。它深入了乔姆斯基（Chomsky）的内容，还从进化生物学的角度讲述了一些有趣的故事。也许值得在此之前从类似的内容开始如果你对这门学科不熟悉的话，你可以深入研究乔姆斯基的论文和相关工作。

这真的是一件很难的事