自然语言处理有哪些方向适合独立研究？

Posted 2021-04-12 机器学习算法与自然语言处理

重磅干货，第一时间送达

编辑：忆臻

https://www.zhihu.com/question/335289475

本文仅作为学术分享，如果侵权，会删文处理

自然语言处理有哪些方向适合独立研究？

其实都比较适合，不管是做自然语言理解任务，还是做自然语言生成任务，如果是刚入门，建议找经典的论文搭配源码，例如TextCNN或者seq2seq，把代码跑多几遍，并且尝试注释几遍，在这期间需要产出数篇技术博客，可以是关于算法的，关于代码复现的以及关于一些编程技巧的。

这一阶段完成后，就开始梳理研究趋势，也就是经典论文的后续。例如seq2seq的后续研究，需要注意后续研究是在经典论文的基础上做出了那些改进，解决的是什么问题。

这一步完成后，就可以看最新的研究及实现，例如ACL2019里面自己看完觉得可以进一步拓展研究的，那就开始研究吧。

最后回到问题，建议做自然语言理解的某个小方向吧，例如情感识别、舆情分析，毕竟做生成任务麻烦很多～

fastText(

https://arxiv.org/abs/1607.01759

),

TextCNN(

https://arxiv.org/abs/1408.5882

),

TextRNN(

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fsentence-classification-using-bi-lstm-b74151ffa565

),

RCNN(

https://www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/viewPaper/9745

),

CharCNN(

https://papers.nips.cc/paper/5782-character-level-convolutional-networks-for-text-classification.pdf

),

Seq2seq With Attention(

http://univagora.ro/jour/index.php/ijccc/article/view/3142

),

Transformer(

https://arxiv.org/abs/1706.03762

)

差不多的处境，要想发paper还是很难的，还是结合兴趣与实验室的主体方向更好......不过硬要说有啥可以做的感觉都可以做啊，看看有什么相关的比赛拿来做做也蛮好的

不过实验室的资源基础还是很重要的，自己从头来会走很多弯路，感觉找实习或者抱团更好好

推荐阅读：