在线阅读 >>
速览手册
·
代码案例
·
参考资料
·
English Version
20 年来，NLP 的技术也经历了从基于语法语义规则系统（1970s-1990s）迁移到基于统计机器学习的框架（2000s-2014）并进一步发展为基于大数据和深度学习的 NLP 技术范式（2014 至今）。
文本生成是使用计算机模拟人来生成文本的技术，可以分为 text-to-text，image-to-text，以及 data-to-text 等。文本生成的应用领域包括机器翻译、QA、文本摘要、文字改写、新闻报道（体育、气象、财经、医疗等）、报告的自动生成等。
随着深度学习等技术在文本生成领域的应用，近年来文本生成技术发展比较快，特别是源于机器翻译的 seq2seq 结构，广泛应用到了文本生成的各个领域。但是应用中还是存在很多诸如创新度不够、不流畅、语句之间相关性不强等问题。文本生成的难度在于，由于人类的语言表达是多种多样的，因此文本生成的结果的质量没有确定的标准，难以评估模型效果，同时对于结果质量和多样性的的平衡也很难把握。
文本情感分析（Sentiment Analysis)，又称意见挖掘(Opinion Mining)，是自然语言处理领域的一个重要研究方向，在工业界和学术界都有广泛的研究和应用，在每年的国际顶会中（例如：ACL、EMNLP、IJCAI、AAAI、WWW 等）都有大量的论文。
简单而言，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。相对于客观文本，主观文本包含了用户个人的想法或态度，是用户群体对某产品或事件，从不同角度、不同需求和自身体验去分析评价的结果，这些评价具有主观能动性和多样性，具有情感分析的意义和价值。
Contributions are what make the open source community such an amazing place to be learn, inspire, and create. Any contributions you make are greatly appreciated.
- Fork the Project
- Create your Feature Branch (
git checkout -b feature/AmazingFeature) - Commit your Changes (
git commit -m 'Add some AmazingFeature') - Push to the Branch (
git push origin feature/AmazingFeature) - Open a Pull Request
-
Awesome-Lists: 📚 Guide to Galaxy, curated, worthy and up-to-date links/reading list for ITCS-Coding/Algorithm/SoftwareArchitecture/AI. 💫 ITCS-编程/算法/软件架构/人工智能等领域的文章/书籍/资料/项目链接精选。
-
Awesome-CS-Books: 📚 Awesome CS Books/Series(.pdf by git lfs) Warehouse for Geeks, ProgrammingLanguage, SoftwareEngineering, Web, AI, ServerSideApplication, Infrastructure, FE etc. 💫 优秀计算机科学与技术领域相关的书籍归档。
笔者所有文章遵循知识共享 署名 - 非商业性使用 - 禁止演绎 4.0 国际许可协议，欢迎转载，尊重版权。您还可以前往 NGTE Books 主页浏览包含知识体系、编程语言、软件工程、模式与架构、Web 与大前端、服务端开发实践与工程架构、分布式基础架构、人工智能与深度学习、产品运营与创业等多类目的书籍列表：
