有兴趣进行自然语言处理的人有什么好的起点？
题
所以我最近想出了一些新的可能的项目，这些项目将不得不从用户提交和生成的文本中获取“含义”。
自然语言处理是处理这类问题的领域，经过一些初步的研究，我发现OpenNLP Hub和大学合作项目就像这个尝试项目 。 和stackoverflow有这个 。
如果有人能把我和一些很好的资源联系起来，从研究论文和介绍文本到apis，我会比一个6岁的小孩打开圣诞礼物更开心！
更新
通过你的一个build议，我发现了opencyc （ '世界上最大，最完整的通用知识库和常识推理引擎' ）。 更令人吃惊的是，还有一个项目叫做UMBEL的开放循环的蒸馏版本。 它以rdf / owl / skos n3语法为特色的语义数据。
我也偶然发现了antlr ，一个parsing器生成器，用于“从语法描述中构build识别器，解释器，编译器和翻译器” 。
这里有个问题，列出了大量的免费和开放的数据 。
感谢stackoverflow社区！
强悍的呼叫，NLP是一个比大多数人认为是更广泛的领域。 基本上，语言可以分成几个类别，这将需要你学习完全不同的东西。
在我开始之前，让我告诉你，我怀疑你没有在某些（密切相关的）领域获得学位的成功（至less是职业）。 涉及到很多理论，大部分是枯燥的东西，很难学。 你需要很多耐力，最重要的是：时间。
如果你对文本的含义感兴趣，那么这就是下一个大事。 语义search引擎被预言为启动Web 3.0，但我们还远远没有。 从文本中提取逻辑取决于几个步骤：
- 标志化，块化
- 在词汇层面消除歧义（时间飞逝，像箭，但果实飞得像香蕉。）
- 句法分析
- 形态分析（时态，方面，案例，数量，whatnot）
一个小名单，我的头顶。 还有更多的:-)，还有更多的细节。 例如，当我说“parsing”时，这是什么？ 有许多不同的parsingalgorithm，parsingforms也是一样的。 其中最强大的是树连接语法和头驱动短语结构语法 。 但是他们两个都很less用在现场（现在）。 通常情况下，你会处理一些半生成的方法，并且必须自己进行形态分析。
从那里到语义是一大步。 语法/语义接口在所采用的语法和语义框架上都是依赖的，而且还没有单一的工作解决scheme。 在语义方面，有经典的生成语义，则有话语表示理论 ， dynamic语义等等。 即使是一切依据的逻辑forms主义依然不明确。 有人说应该使用一阶逻辑，但这似乎不够。 那么正如Montague所使用的那样，存在内涵逻辑，但是这似乎过于复杂，并且在计算上是不可行的。 也有dynamic的逻辑（Groenendijk和Stokhof开创了这个东西，很棒的东西！），而最近，今年夏天， Jeroen Groenendijk提出了一个新的forms主义， 好奇的 语义 ，也很有趣。
如果你想在一个非常简单的层面上开始，请阅读Blackburn和Bos（2005） ，这是很棒的东西，并且事实上是介绍计算语义！ Groenendijk和Stokhof（1982）提出，我最近扩展了他们的系统来覆盖问题的分割理论（问题回答是一个野兽！），但不幸的是，这个理论在个体领域上的复杂度是O（n2） 。 当我这样做的时候，我发现B＆B的实施有些呃…呃，在某些地方。 尽pipe如此，它确实会帮助您深入到计算语义，而且它仍然是一个非常令人印象深刻的展示。 另外，他们应该有额外的冷点来实现在“低俗小说”（电影）中定义的语法。
而当我在这里，拿起Prolog。 计算语义学的研究大部分是基于Prolog的。 现在就学习Prolog！ 是一个很好的介绍。 我还可以推荐“Prolog艺术”和Covington的“Prolog编程深度”和“Prolog程序员自然语言处理”，前者可以免费在线。
乔姆斯基完全是NLP的错误来源（他自己也会强调自己是这么说的） – 请参阅Abney的“ 统计方法和语言学 ”。
上面提到的尤拉夫斯基和马丁是一个标准的参考，但我自己更喜欢曼宁和舒特泽 。 如果你对NLP很认真，你可能会想读两个。 在线提供Manning课程的video。
如果你通过Prolog直到现在学习Prolog中的DCG章节！ 上面Dimitrov先生提到的，因为Prolog为您提供了一个维护知识和信念数据库的非常简单的方法，可以通过问题回答来更新，所以在获得一些语义到您的系统中将会有一个好的开始。
关于文献，我有一个重要的build议，就是用尽Jurafsky＆Martin的语言和语言处理 。 这几乎是关于NLP 的书（第一章在线提供）; 在非英语的大学课程中使用，对非语言学家和实际的导向非常具有可读性，同时也深入到语言学问题。 我真的不能推荐它。 第17,18和21章似乎是你要找的（第一版14,15和18）。 他们向您展示简单的lambda表示法，它可以很好地转换成带有function的Prolog DCG。
哦，顺便说一句，让语言学硕士， 如果你使用的是NL语义，我宁愿推荐你能find所有与AI相关的课程（尽pipe任何关于“简单”语言语义学，逻辑学，逻辑语义学， DRT ， LFG / HPSG / CCG，NLparsing，forms语言学理论等都不会伤害…）
读乔姆斯基的原创文学并不是很有用， 据我所知，目前没有与他的理论直接相关的实现，他的所有有用的东西都包含在其他理论中（任何时间靠近语言学家的人都会通过渗透吸收乔姆斯基的知识） 。
我强烈build议玩NLTK并阅读NLTK书 。 NLTK非常强大，容易进入。
你可以尝试阅读一下短语结构化语法 ，这基本上是语言处理背后的math。 实际上并不重要，主要是基于集合和图论。 作为一门离散math课程的一部分，我曾经在很多个月前研究过它，现在有很多很好的参考资料。
编辑：不像我预期的谷歌，虽然这看起来像一个很好的学习来源。
早期的探索者之一是诺姆·乔姆斯基（Noam Chomsky）; 他在五十年代到七十年代就写了关于这个题目的小书。 你可能会发现有吸引力的阅读。
Cycorp对他们的Cyc知识库如何从句子中得出含义有一个简短的描述 。
通过利用大量常见事实的知识库，系统可以确定最合乎逻辑的句子分析。
从构build块开始的一个简单的地方是查看试图执行它的包的文档。 我推荐Python [自然语言工具包（NLTK） 1） ，特别是因为他们写得很好，免费的书 ，里面充满了例子。 它不会让你一路到你想要的（这是一个AI难题），但它会给你一个很好的基础。 NLTK拥有parsing器，分块器，上下文无关语法等等。
这真的很难。 我首先得到至less一个语言学硕士学位，然后在计算机科学博士学位，专注于NLP。
问题是，我们大多数人不了解什么语言。 没有这个理解，实施一个解决scheme就很难。
其他评论给出了一些读数，如果你想开始玩弄一小部分的问题，这可能是好的，但为了提出一个非常强大的解决scheme，那么没有捷径。 你需要两个学科的学术背景。
一个非常有趣的可读介绍是由史蒂芬·平克的语言本能。 它进入乔姆斯基的东西，也从进化的生物学angular度讲述有趣的故事。 如果您对这个主题感兴趣，那么在进入乔姆斯基的论文和相关工作之前，可能需要从这样的事情开始。
