如今解决nlp问题，一般都是使用深度学习相关算法。在深度学习算法没有发展到如今水平之前，都是通过传统机器学习算法来解决nlp问题。下面为大家总结了解决nlp相关问题的传统机器学习算法。
- 分类模型：文本分类、意图识别、情感分类
- Logistics Regression
- Bayes Model
- SVM
- Decision Tree
- 序列标注模型：分词、词性标注、命名实体标注
- 隐马尔科夫模型（HMM）
- 最大熵模型（MEM）
- 条件随机场（CRF）
- 平均感知机模型（AP）
- 序列生成模型：机器翻译
- 传统机器学习没有合适的算法，一般使用语言模型来做单语的序列生成，使用统计机器翻译模型实现双语的序列生成
缺点
- 繁琐的特征工程
- 算法模型对序列建模能力弱
- 流水线式的搭建导致错误传播