您可以阅读Jurafsky和Martin的语音和语言处理（2008年版），这是该领域的标准教科书。它很长，并且有各种各样的主题，所以我建议您只阅读真正适合您的兴趣的章节。

此外，最好的学习方法几乎是肯定要从头开始实际实现NLP算法。您可以选择一些标准任务（语言建模，文本分类，POS标记，NER，解析），并从头开始实施各种算法（ngram模型，HMM，Naive
Bayes，MaxEnt，CKY），以真正了解它们的工作原理。找到一些免费的数据集来测试您的实现也不应该太难。

最后，对于出色的特定NLP算法，还有很多教程。例如，如果您要构建HMM，则建议使用Jason
Eisner的教程，该教程还涵盖EM的平滑和无监督训练。如果要在无监督的朴素贝叶斯训练中实施Gibbs采样，建议使用PhilipResnik的教程。