由于实验室目前研究方向偏重于NLP和知识图谱，在学习了一段时间机器学习相关内容后，也决定暂时侧重于NLP相关内容的研究。对NLP方面的相关调研工作做一个总结，顺序不分先后。这部分内容可能和笔记-深度学习场景调研有交集，在此就不重复写已有的东西。
依存句法分析（Dependency Parsing，DP）、语义依存分析（Samantic Dependency Parsing，SDP）、语义角色标注（Samantic Role Labeling，SRL）。这三个任务在处理上有相似性，且有单向的依赖关系。依存句法分析侧重于分析句子的语法，而后面两个在前者的分析基础上进行一系列的语义分析。众所周知，语义分析在NLP中仍属于很难的、并没有攻克的问题。了解当前语法分析->语义分析的桥梁方法与其中的处理难点，能够更好地帮助理解为何NLP中仍有很多问题难以用大热的深度学习理论来解决。调研主要围绕HanLP这一开源算法库（实现了DP，重点是开源）与哈工大LTP实验室的相关工作展开，参考链接如下：
依存句法分析与语义依存分析的区别
hankcs/HanLP: 自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 新词发现 短语提取 自动摘要 文本分类 拼音简繁
【读论文】TensorFlow SyntaxNet 原理详析（SyntaxNet为Google开源的DP算法框架）
其中，LTP的很多工作是公众号“赛尔原创”来介绍，可以关注。在公众号文章后会附有LTP的相关论文工作，需要详细了解算法逻辑细节的同学可以参考。
情感分析：
Stanford NLP学习笔记：7. 情感分析（Sentiment）
用户画像：
什么是用户画像呢？一般用户画像的作用是什么？