自然语言基础

**传统机器学习与概率图模型，**侧重于统计学习和经典算法，是NLP早期的主流方法

传统机器学习与概率图模型—隐马尔可夫模型详解

传统机器学习与概率图模型—条件随机场详解

传统机器学习与概率图模型—K-Means聚类算法原理

**文本表示与词嵌入技术，**聚焦于如何将文本转化为计算机可理解的稠密向量（分布式表示）

文本表示与词嵌入技术—NNLM模型详解

文本表示与词嵌入技术—Word2vec详解

文本表示与词嵌入技术—GloVe详解

文本表示与词嵌入技术—FastText详解

**信息检索与搜索技术，**围绕文本相似度计算、索引构建与结果排序优化

信息检索与搜索技术—向量索引算法

**信息检索与搜索技术—**Elasticsearch相似度检索算法

信息检索与搜索技术—Rerank技术原理

NLP应用任务

NLP应用任务—命名实体识别综述

深度学习基础

**深度学习文本模型，**基于神经网络架构（RNN、CNN、GCN等）的文本分类与表示学习模型

深度学习文本模型—TextRNN详解

深度学习文本模型—Text-GCN详解