各位读者大家好，
在大家的支持下，拙作《自然语言处理入门》取得了些许成绩，包括印数、繁体中文版企划等等，谢谢你们。
在读者群壮大的同时，我也收到了许多反馈。勘误类的反馈我在 《自然语言处理入门》勘误表 中一一答复并致谢，但一些两极化的评论也引发了我的一些担忧，在此我做一个统一的澄清。取决于读者自身的基础，产生了如下几种观点，我认为是不妥当的。
搞NLP只需看《自然语言处理入门》就够了，比某某教材好
只看一本书肯定是不够的，拿《自然语言处理入门》跟经典教材比也是不恰当的，拙作无意也无法取代经典教材。拙作定位是面向零基础读者的入门读物，相当于科普而非专著。专著中的定义、理论、推导证明等对零基础读者而言太难了。就入门而言，最重要的是兴趣而不是难度，所以读者看到的是一个通俗易懂的定位。同时，对有难度的部分，书里也有对专著的引用，请有志于深造的读者递归学习。
《自然语言处理入门》不够深入，理论性不强
这一点还是取决于读者自身的基础。事实上，关于拙作究竟是太难了还是太简单了这一点，我听到了许多截然相反的评价。有ML或数理基础的读者倾向于认为拙作太简单，而部分一点数学都接受不了的读者则认为拙作太难。我诚恳地建议，NLP是ML的应用层，既不要过高地期待NLP入门书会深入ML理论的核心，也不要连ML的皮毛都畏难抗拒。正如介绍语所言，拙作仅允许必需的公式出现。拙作既没有写成ML和NLP的并集，也没有写成NLP与ML的差集，个人认为是符合入门的定位的。
《自然语言处理入门》没怎么讲深度学习
惭愧，第十三章一定没有满足这部分读者。然而，深度学习是无论如何都不可能通过一章就讲清楚。数一数的话，线性代数基础需要一章、优化理论需要一章、词的分布表示需要一章、CNN/RNN/Transformer各需要一章、《自然语言处理入门》中涉及到的各种NLP任务各需要一章。基本上，CS224n有多少节课相应就需要多少章，这些章节加起来又是一本书了。另一方面，将这些内容加入到入门书里并不恰当。正如我在第一章所说，深度学习不是所有场景都适用，也不是所有企业都用得起深度学习，掌握传统机器学习有助于理解深度学习。深度学习有泡沫成分，本身也是一个理论不完备的领域，初学者不必急于求成。
《自然语言处理入门》讲了很多HanLP的内容
这在部分读者看来是好事，在另一部分读者看来是缺点。理论是通用的，实现只选取一种。作为入门书，我觉得有责任提供正确实现还能用到生产项目里的代码。我在前言和试读中都有提到，自己写的代码自己讲得清楚，所以书里讲到HanLP的设计和实现是理所当然的事情。
总之，读者自我定位和本书的定位是否匹配非常重要，不必跟风购买。千言万语，总结为一句话，定位就是入门，不要抱有过度的期待。有任何批评和建议，尽管留言或私信。同时，方便的话，欢迎读者朋友去豆瓣留下公正的书评。
