goldberg大佬的经典之作，就是翻译有的地方真的很抓鸡。这本书在组里人手一本，很适合业内人员阅读学习
作者Goldberg，NLP届的领军人物之一，书中条理清晰，内容翔实，书百分百是本好书，目前深度学习做NLP最具权威的书了。但是翻译过来还是有些生硬，作者的一些比武还没纠正。结合英文看效果更好。
应该说神经网络用于自然语言处理这类的书籍并不多，或许是因为自己基础的问题，对比于CS224N来说，本书作者显然讲解的更加通透一些，这一领域也不太好写，写的这么有思想的估计也只有这本书了。也打印出来了该书的英文版，但是没看多少，看到这本中文版，立刻就下手买了，拿来一看真是爱不释手，基本是比较新的一些知识和应用，也比较有系统性了。强力推荐，四位老师的翻译也很到位，基本没有歧义的地方，给哈工大的四位老师点赞。说起哈工大自然语言处理那应该是在全国都排前几名的，真的很不错。又想起哈工大马春鹏学长4个月翻译PRML真是顶礼膜拜！

自然语言处理 是人工智能领域的一个重要的研究方向，是计算机科学与语言学的交叉学科。随着互联网的快速发展，网络文本尤其是用户生成的文本呈爆炸性增长，为自然语言处理带来了巨大的应用需求。但是由于自然语言具有歧义性、动态性和非规范性，同时语言理解通常需要丰富的知识和一定的推理能力，为自然语言处理带来了极大的挑战。近年来如火如荼的深度学习技术为解决自然语言处理问题的解决提供了一种可能的思路，已成为有效推动自然语言处理技术发展的变革力量。

《基于深度学习的自然语言处理》 系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。

本书主要面向高等院校自然语言处理和机器学习方向的研究生，也适合自然语言处理或机器学习领域的研究人员以及工业界从事智能相关领域呀发的专业人员阅读参考。

第1章引言 第2章学习基础与线性模型 第3章从线性模型到多层感知器 第4章前馈神经网络 第5章神经网络训练 第二部分处理自然语言数据 第6章文本特征构造 第7章NLP特征的案例分析 第8章从文本特征到输入 第9章语言模型 第10章预训练的词表示 第11章使用词嵌入 第12章案例分析:一种用于句子意义推理的前馈结构 第三部分特殊的结构 第13章n元语法探测器：卷积神经网络 第14章循环神经网络：序列和栈建模 第15章实际的循环神经网络结构 第16章通过循环网络建模 第17章条件生成 第四部分其他主题 第18章用递归神经网络对树建模 第19章结构化输出预测 第20章级联、多任务与半监督学习 第21章结论

05-21 Modbus协议

05-21 竹林蹊径：深入浅出Windows驱动开发

05-21 PCIE规范合集(PCI_Express_Base 1.0/2.1/3.0/4.0/5.0/6.0)

05-21 深入理解Rust并发编程