Pretendo fazer uma longa série de posts sobre NLP, não sou especialista nisso e podemos considerar os posts mais como anotações de estudo do que tutoriais ou manuais. O Índice abaixo será atualizado à medida que eu for publicando novos conteúdos, a idéia é seguir o andamento histórico de cada parte, na 1ª parte começaremos com o tf-idf para depois seguirmos para o word2vec e glove:

• parte 1: vetorização

  • estatística: tf-idf
  • word2vec 1: introdução
  • word2vec 2: cbow
  • word2vec 3: skip-gram
  • glove
  • seq2seq: introdução
  • notas finais e comparações entre métodos

• parte 2: classificação

  • Classificação 1: introdução
  • Classificacao 2: CNN
  • Classificação 3: RNN parte 1
  • Classificação 4: RNN parte 2 (+ convolução)

• parte 3: modelagem

  • resumos 0: pagerank
  • seq2seq: introdução
  • seq2seq: implementação

• utils

  • Pré-processamento de textos. (muito importante)
  • SVD vs PCA
  • distância euclidiana vs similaridade de cossenos
  • GRU e LSTM

Obs1.: O pré-processamento é a etapa inicial de praticamente todos os conteúdos aqui escritos, é realmente muito importante, por isso antes de partir para qualquer outro conteúdo, leia ele primeiro.

Obs2.: O que estiver em itálico é que ainda não escrevi mas devo fazer ao longo dessas semanas.

obs3.: Com excessão da parte 1, usarei o cbow, skip-gram e glove já computados, fontes recomendadas:

• http://www.nilc.icmc.usp.br/nilc/index.php/repositorio-de-word-embeddings-do-nilc
• https://github.com/facebookresearch/fastText/blob/master/docs/crawl-vectors.md
• https://sites.google.com/site/rmyeid/projects/polyglot