一句话：
DNN-NLP已经形成了一整套相关技术，包括WordEmbedding、SentenceEmbedding、带注意力机制的编解码器模型、Transformer和各种预训练模型。
预训练模型+针对具体任务的精细调节已成为NLP处理的新范式，使用大规模文本语料库进行预训练，然后使用特定任务的小数据集进行微调。ELMo、BERT、GPT 等模型已经被广泛使用。基于BERT和GPT，又开发了一系列的新的方法，如XLNet(Google)、UNILM(UNIfied pretrained Language Model，微软)、MASS (MAsked Sequence to Sequence pre-training，微软)、XLM(Facebook) 等。
未来不会只是基于规则的模型，同样也不会只是基于DNN的模型，应当是可解释的、有知识的、终生学习的模型，深度学习和语言学研究应该互相帮助
李海洲 -- adequcy-fluency evaluation of natural language
二。黄海燕
三 刘群 基于深度学习的nlp 边界在哪里
