Help us understand the problem. What is going on with this article?

(保存版) 自然言語処理よちよち歩きの人がまず読むべき記事リスト by Team AI

More than 3 years have passed since last update.

はじめに

我々Team AIは渋谷で毎日機械学習勉強会・データ分析ハッカソンを開催しています。
コミュニティを東京中心の100万人にするのが目標です。

日本中・世界中にこのデータ分析のムーブメントが広がると良いなと思っているので、
データ分析ハッカソンをやるときに便利なチュートリアルをまとめました。
とても楽しいので、皆さん、特に地方の皆さんは是非ご自身でやってみてくださいね!
Team AIとしても協力します。

今回はその一環として、
初心者がチェックすべき自然言語処理の記事をまとめたいと思います。
http://qiita.com/daisuke-team-ai/items/f8e3275f1d3ca7e9bfcd
皆さんが読んだ中で初学者に役に立ちそうな記事があったら、
是非Qiita以外でもコメント欄でお教えください!

自然言語処理とは

Itエンジニアのための自然言語処理入門
https://www.slideshare.net/saicologic/it-64312394

自然言語処理(NLP)ってなんだろう?
http://qiita.com/MahoTakara/items/b3d719ed1a3665730826

「自然言語処理シリーズ」まとめ(コロナ社)
http://qiita.com/coronasha/items/474574e82ddf4852351f

自然言語処理用語と解析器まとめ
http://qiita.com/yura/items/6c1481ca652d3d131e47

自然言語処理をはじめたい人のためのゆるい記事
http://qiita.com/kazuhirokomoda/items/a4cd0f6f42eb75c757e4

New! YouTube オススメです!

長岡技術科学大学 自然言語処理研究室 ビデオシリーズ なんと560本!

https://www.youtube.com/user/jnlporg

その他の自然言語処理ビデオもかなり良いものが出回っています
https://www.youtube.com/results?search_query=%E8%87%AA%E7%84%B6%E8%A8%80%E8%AA%9E%E5%87%A6%E7%90%86

超定番 自然言語処理100本ノック by 東北大学 とその答え

言語処理100本ノック 2015
http://www.cl.ecei.tohoku.ac.jp/nlp100/

非常に多くの方が答えとアプローチを公開しています
https://qiita.com/tags/%E8%A8%80%E8%AA%9E%E5%87%A6%E7%90%86100%E6%9C%AC%E3%83%8E%E3%83%83%E3%82%AF

環境構築

自然言語処理を行う開発環境を設定する
http://qiita.com/woody-kawagoe/items/09c0f89a55701bcf72eb

辞書

Coming Soon

コーパス

Coming Soon

言語の統計

Coming Soon

形態素解析

日本語の形態素解析

Pythonで日本語形態素解析
http://qiita.com/OvKNyRgir3BuEJj/items/9b8f2ab97ba856671848

MeCabをブーストさせよう
http://qiita.com/knknkn1162/items/8c12f42dd167aae01c02

Googleスプレッドシートで形態素解析
http://qiita.com/shirayuca/items/f2da6af69c50f38602a3

複数の形態素解析器を見比べる
http://qiita.com/tkngue/items/b32ddcaf3ad80bf93d8c

API

Google Natural Language APIを使ってみた
https://qiita.com/howdy39/items/a1aef86fef1ce1b6d778

英語の自然言語処理

NLTK(Natural Language ToolKit)

http://www.nltk.org/

PDF

https://www.cs.toronto.edu/~frank/csc2501/Tutorials/cs485_nltk_krish_tutorial1.pdf

BOOK

http://www.nltk.org/book/

VIDEO

https://www.youtube.com/watch?v=FLZvOKSCkxY

https://www.youtube.com/watch?v=AKcxEfz-EoI

構文解析

Pythonの字句/構文解析ライブラリ
http://qiita.com/shinsa82/items/94d800df630e63511014

滝沢カレンの理解不能な文章を言語解析してみた。
http://qiita.com/naoyu822/items/9d7a83879c161573f63c

文脈自由文法

Coming Soon

構文解析アルゴリズム

Coming Soon

CKY法

Coming Soon

チャート法

Coming Soon

意味解析

Coming Soon

格フレームを用いた意味解析

Coming Soon

照応解析

Coming Soon

省略補完

Coming Soon

テキストセグメンテーション

Coming Soon

機械翻訳

ChainerとRNNと機械翻訳
http://qiita.com/odashi_t/items/a1be7c4964fbea6a116e

【機械学習】Google翻訳(みたいなもの)を自作してみた。
http://qiita.com/R-Yoshi/items/9a809c0a03e02874fabb

情報検索

Coming Soon

テキスト分類

【Python】自然言語処理でラーメン屋を分類してみる
http://qiita.com/naotaka1128/items/87d717961bd0c34e7a64

情報抽出

Coming Soon

テキスト要約

Coming Soon

質問応答

BluemixのRetrieve&Rankによる質問応答システムを試してみた
http://qiita.com/VegaSato/items/6d2d03d6a8b42adcf87e

BluemixのWatson APIを駆使して日本語質問応答システムを作る
http://qiita.com/VegaSato/items/5f98831457f22b5ffced

Bluemix Node-REDを使ってWatson APIによる日本語質問応答システムを作ってみた
http://qiita.com/VegaSato/items/5883552a2dad2a231f07

DeepLearning

講義まとめ:自然言語処理のための深層学習(CS224d)
http://qiita.com/yoh_okuno/items/06155fe4666204caf944

CNN

自然言語処理における畳み込みニューラルネットワークを用いたモデル
http://qiita.com/Hironsan/items/63d255fd038acbcdf95b

Word2Vec

なぜ自然言語処理にとって単語の分散表現は重要なのか?
http://qiita.com/Hironsan/items/a58636f946dd51f670b0

【word2vec】会社のクチコミを自然言語処理した結果を可視化してみる
http://qiita.com/naotaka1128/items/e617f63907fed035408a

【転職会議】クチコミをword2vecで自然言語処理して会社を分類してみる
http://qiita.com/naotaka1128/items/2c4551abfd40e43b0146

トピックモデル

自然言語処理による文書分類の基礎の基礎、トピックモデルを学ぶ
http://qiita.com/icoxfog417/items/7c944cb29dd7cdf5e2b1

daisuke-team-ai
機械学習の勉強会を毎週渋谷の拠点で開催。Slack Pluginとしての同時翻訳Chatbot - Kiaraを世界市場に向けて販売しています。"機械学習エンジニアになりたい人のための本"(翔泳社) Profile : https://www.ishiid.com/
https://www.jenio.co/
team-ai
渋谷の機械学習研究会コミュニティ。データ分析ハッカソンを開催。Kaggleを使って金融・医療データなどをグループワークで分析しています。論文輪読会などテーマを決めて最新技術を共同リサーチしています。
https://www.team-ai.com/
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away