語言是人類知識(shí)、思維和文明的載體，讓計(jì)算機(jī)理解人類語言，實(shí)現(xiàn)人和計(jì)算機(jī)之間的自然語言交互是實(shí)現(xiàn)機(jī)器智能的重要目標(biāo)。自然語言處理主要研究用計(jì)算機(jī)來理解和生成人類語言（又稱為自然語言）的理論和方法，是人工智能領(lǐng)域中的一個(gè)十分重要的核心任務(wù)，也是一門涉及計(jì)算機(jī)科學(xué)、人工智能、語言學(xué)心理認(rèn)知學(xué)等領(lǐng)域的交叉學(xué)科。1950年，計(jì)算機(jī)科學(xué)之父圖靈發(fā)表了堪稱“劃時(shí)代之作”的《機(jī)器能思考嗎？》（Can Machine Think?），圖靈在該文章中提出了著名的“圖靈測(cè)試”，即以語言問答為表現(xiàn)形式，機(jī)器要通過測(cè)試必須以對(duì)語言的深度計(jì)算為前提，這也被認(rèn)為是自然語言處理思想的開端。
　　早期的自然語言處理主要在喬姆斯基體系及其轉(zhuǎn)換生成文法的基本框架下，采用基于理性主義的規(guī)則方法，通過專家總結(jié)的小規(guī)模符號(hào)邏輯知識(shí)處理通用的自然語言現(xiàn)象。然而，由于自然語言的極端復(fù)雜性，這一研究范式在處理實(shí)際應(yīng)用場(chǎng)景中的問題時(shí)往往力不從心。自20世紀(jì)90年代開始，以“香農(nóng)信息論”為基本框架的大規(guī)模統(tǒng)計(jì)方法快速成為自然語言處理研究的主流，并取得了顯著進(jìn)展，自然語言處理的研究范式從理性主義演進(jìn)到了經(jīng)驗(yàn)主義。不過，該方法仍然嚴(yán)重依賴人工設(shè)計(jì)的特征工程。2012年之后，基于大數(shù)據(jù)的經(jīng)驗(yàn)主義范式又實(shí)現(xiàn)了一次以深度學(xué)習(xí)為基本框架的大躍遷，可以直接端到端地學(xué)習(xí)各種自然語言處理真實(shí)任務(wù)而不再依賴特征工程，收獲了巨大進(jìn)步。
　　本書以深度學(xué)習(xí)為基礎(chǔ)，針對(duì)自然語言的不同處理層次及其應(yīng)用介紹相關(guān)技術(shù)。自然語言處理的研究領(lǐng)域極為廣泛，本書的結(jié)構(gòu)與內(nèi)容按照自然語言處理的基礎(chǔ)技術(shù)和應(yīng)用技術(shù)進(jìn)行了編排，并邀請(qǐng)國(guó)內(nèi)在各個(gè)方向的優(yōu)秀學(xué)者分別撰寫了各章內(nèi)容。第1章介紹了自然語言中不同語言單元（包括詞、句子和篇章）的表示，并介紹了深度神經(jīng)網(wǎng)絡(luò)的注意力計(jì)算模型；第2章和第3章分別介紹了自然語言詞法和句子的經(jīng)典分析算法和深度學(xué)習(xí)模型；第4章介紹了知識(shí)圖譜和從大規(guī)模文本中獲取知識(shí)的主要技術(shù)；第5章和第6章重點(diǎn)介紹了文本挖掘技術(shù)，包括文本分類和摘要以及文本情感分析；第7章至第10章分別介紹了自然語言處理在信息檢索、自動(dòng)問答、機(jī)器翻譯和社會(huì)計(jì)算中的應(yīng)用技術(shù)。每一章內(nèi)容均從任務(wù)定義、發(fā)展歷程、意義和挑戰(zhàn)、數(shù)據(jù)集與評(píng)測(cè)和典型模型與方法這幾方面分別進(jìn)行了闡述，通過結(jié)合各個(gè)實(shí)例為讀者展示各部分技術(shù)的經(jīng)典算法和相關(guān)問題的技術(shù)演化路徑。
　　自然語言處理技術(shù)發(fā)展迅速，新的技術(shù)不斷涌現(xiàn)，但仍有不少固有缺陷有待解決。預(yù)期未來10年，自然語言處理的發(fā)展前景將孕育于大數(shù)據(jù)與富知識(shí)雙輪驅(qū)動(dòng)的全新研究范式。期待本書能為廣大自然語言處理領(lǐng)域的廣大科研人員、青年學(xué)者等提供有價(jià)值的參考與啟發(fā)，推動(dòng)該領(lǐng)域的發(fā)展邁向新的高度。