可用水准：垃圾邮件检测，主题分类，命名实体识别，文本相似度，词性标注。
可用与基本可用之间：关键短语提取，情感分析。
基本可用：关键短语生成，方面分析？，实体链接，词义消歧，机器翻译，信息提取
基本与难以之间：槽填充？，指代消解，对话，问答，释义，总结。
2020-2-23更新————————
转自：https://zhuanlan.zhihu.com/p/56802149
1.发展历程。
以前主要是专家规则，用规则去匹配，比如说在word文档中搜寻单词，就是使用word，包括正则表达式，当然现在也在用，缺点是泛化性能差，且规则的置顶需要耗费人力物力时间；
之后就是基于统计机器学习，包括马尔可夫，贝叶斯，CRF条件随机场等，这个从数据中学习，但基本上需要人工定制特征，所以也是学习的过程复杂；
目前发展起来的是基于深度学习的，包括RNN，LSTM，词嵌入啊等等技术。
2.任务分类
# 我感觉自然语言生成太高深了，我还是选择自然语言理解吧，选择关系抽取任务吧。。。
3.热点技术
对预训练模型，现在的transformer很火；将知识引入，也就是知识图谱吧引入到方法中；迁移学习也是在很多领域都用的；半监督学习等需要很少的数据，然后加入更多的知识。
4.常用工具
转自：https://www.jianshu.com/p/52a933eb64a6
我觉得这个部分是我需要关注的，本科毕设的时候我都是自己手写处理的代码，简直太弱智了。