Fey*_*n27 4 nlp artificial-intelligence deep-learning
我的目标是编写一个能够从人类语言查询中提取语气，个性和意图的程序（例如，我键入：您今天过得怎么样？而AI系统的响应则是：很好。您怎么样？）
我知道这是一个不平凡的问题，因此我应该开始熟悉哪些深度学习主题以及哪些Python模块最有用？我已经开始研究NLTK。谢谢。
规范的AI书将是Stuart Russell和Peter Norvig的Artifical Intelligence及其随附课程：https : //www.udacity.com/course/intro-to-artificial-intelligence--cs271
吴安德（Andrew Ng）的机器学习课程是机器学习理论（ML）的一个很好的起点，它将对更流行的自然语言处理（NLP）任务有用。
华盛顿大学的 Emily Fox和Carlos Guestrin 的ML课程是机器学习和内部运作的一个很好的实际应用。
至于NLP，最受欢迎的入门书是Jurafsky和Martin的语音和语言处理
关于NLP的更多统计角度，Manning和Schutze的统计NLP书/课程
对于NLP的更实用方法，NLTK书是一个很好的起点：
为了对这些年来的NLP技术进行很好的概述，ACL选集保留了大多数已发表的NLP著名论文的档案。
另外一个很好的资源将是通过NLP / ML / AI的会议记录，Joel Tetreaul保留了有关会议及其提交日期的更新列表：http : //www.cs.rochester.edu/~tetreaul/conferences.html
在线有大量AI，ML，NLP资源，最近还有神经网络。一个可以问任何问题的好论坛（不同于可能有限制的Stackoverflow）是https://www.reddit.com/r/MachineLearning/，也许更合适的stackexchange是datascience.stackexchange.com
您可以通过awesome在github上搜索清单上的列表轻松地找到AI / ML / NLP的资源，例如：
@alvas的出色建议
对于深度学习，请看一下Google的Word2Vec算法。它特别适合于NLP问题。这是一个介绍用例
http://multithreaded.stitchfix.com/blog/2015/03/11/word-is-worth-a-thousand-vectors/
Google最近还发布了一个名为TensorflowMachine Learning 的python库，而Word2Vec也是其中的一部分
最后，弄污双手的最佳地点是Kaggle比赛。尝试通读介绍性用例，以了解NLP和机器学习可以做什么
https://www.kaggle.com/competitions
大多数比赛看似颇具挑战性，但Kaggle拥有一系列非常不错的教程/入门比赛，可以帮助您入门。一旦知道了如何为基本的NLP / ML任务进行设置，就可以按自己的喜好使用。
快乐学习:)快乐学习