我的目标是编写一个能够从人类语言查询中提取语气、个性和意图的程序（例如，我输入：你今天过得如何？人工智能系统会回复类似：很好。你好吗？）
我知道这是一个非常重要的问题，那么我应该开始熟悉哪些深度学习主题以及哪些 Python 模块最有用？我已经开始研究 NLTK。谢谢。
【问题讨论】：
标签： nlp artificial-intelligence deep-learning
典型的 AI 书籍是 Stuart Russell 和 Peter Norvig 的 Artifical Intelligence 以及随附的课程：https://www.udacity.com/course/intro-to-artificial-intelligence--cs271
Andrew Ng's machine learning course 是机器学习 (ML) 理论的一个很好的起点，它将对更流行的自然语言处理 (NLP) 任务有用。
机器学习和内部工作的一个很好的实际应用是 University of Washington's ML course 与 Emily Fox 和 Carlos Guestrin
至于 NLP，一本流行的入门书是Jurafsky and Martin's Speech and Language Processing
关于 NLP 的更多统计视角，Manning and Schutze's Statistical NLP book/course
对于更实用的 NLP 方法，NLTK book 是一个很好的起点：
为了更好地了解多年来的 NLP 技术，ACL anthology 保留了大部分已发表的著名 NLP 论文的存档。
另一个很好的资源是浏览 NLP/ML/AI 的会议记录，Joel Tetreaul 保留了相关会议的更新列表及其提交日期：http://www.cs.rochester.edu/~tetreaul/conferences.html
网上有大量的 AI、ML、NLP 资源以及最近的神经网络。 https://www.reddit.com/r/MachineLearning/ 是一个您可以提出任何问题的好论坛（不像 Stackoverflow，它可能是限制性的），可能更合适的 stackexchange 是 datascience.stackexchange.com
您可以通过谷歌搜索 github 上的 awesome 列表轻松找到 AI/ML/NLP 资源，例如：
【讨论】：
@alvas 的出色建议
对于深度学习，请查看 Google 的 Word2Vec 算法。它特别适用于 NLP 问题。这是一个介绍性用例
http://multithreaded.stitchfix.com/blog/2015/03/11/word-is-worth-a-thousand-vectors/
Google 最近还发布了一个名为 Tensorflow 的 Python 库，用于机器学习，Word2Vec 也是其中的一部分
最后，弄脏你的手的最佳场所是 Kaggle 比赛。尝试通读介绍性用例，了解 NLP 和机器学习可以做什么
https://www.kaggle.com/competitions
大多数比赛可能看起来很有挑战性，但 Kaggle 有一组非常好的教程/介绍性比赛，可以帮助你入门。一旦您知道如何设置基本的 NLP/ML 任务，您就可以处理您喜欢的用例。
学习愉快 :) 快乐学习
【讨论】：