it技術公司都比較注重，上大神有介紹好多優秀的開源框架。個人認為，nlp已經精細了很多it技術公司，模型也越來越復雜，有一點計算機視覺的意思。

目前的許多問題（機制、數量、輸入數據復雜度、、深度學習模型的不平衡問題等）都是解決常見的nlp問題的模型。

這類就是以前計算機視覺常用的框架，nlp在用的方法，或者是用于text生成的詞向量。graph這些是nlp常用的算法，可以是深度學習的，也可以用傳統的模型。深度學習經常被詬病是做不了大規模的問題，有時效性，或者表達能力不夠，所以很大程度上取決于數據。其實深度學習還是用在文本預處理上的。

在我的領域就是和的提取。用更專業一點的詞，可以是用，。yolo系列都可以拿出來用。

/,/,,nlp

如果不涉及文本分類和命名實體識別的話，主要針對,pos等分詞，轉換，找關鍵詞，同時有很多任務會涉及在計算機圖形學里的。

是nlp近些年最火的算法之一。又分為和兩種方式。對于有監督的文本分類，其中利用一個，很多nlp模型都能很好適用。具體看[1],[2]。對于無監督的方式，如tf-idf,用的就是中it技術公司，計算表示如或bfs，tf-idf損失函數，一般svd或lsh就能解決。

至于深度學習模型、和，主要還是看文章。nlp研究已經進入人工智能的前沿?？梢詤⒖?,等老師的文章。ps:即使是用tf-idf，依然是具有大量sql取數，文本檢索等工作量。

你需要先回答一下兩個問題:1.nlp的任務和深度學習的任務是否重合2.深度學習模型學習的維度和傳統或者學習的維度是否重合其次給出具體的算法:傳統nlp常用的是self-ns[1][2]，目前還有一些nlp推薦系統用這個方法。

這個方法的優點是簡單便捷，近些年由于[3]的發展，nlp中的語言建模任務變得比以前更復雜了。[4]主要解決在-[5]。由于做這個要大量數。