国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

    本書初步探索了將深度學習應用于自然語言處理的方法。概述了自然語言處理的一般概念，通過具體實例說明了如何提取自然語言文本的特征以及如何考慮上下文關系來生成文本。書中自然語言文本的特征提取是通過卷積神經網絡來實現的，而根據上下文關系來生成文本則利用了循環神經網絡。這兩個網絡是深度學習領域中常用的基礎技術。

CONTENTS
譯者序
前言
第1章　自然語言處理與深度學習1
1.1　自然語言處理1
1.1.1　什么是自然語言處理1
1.1.2　自然語言處理基礎4
1.2　深度學習13
1.2.1　人工智能與機器學習13
1.2.2　神經網絡16
1.2.3　卷積神經網絡和自編碼器22
1.3　與自然語言處理相關的深度學習27
1.3.1　自然語言處理與神經網絡、深度學習27
1.3.2　用神經網絡來表達單詞意義29
1.3.3　深度學習應用于自然語言處理31
第2章　基于文本處理的自然語言處理32
2.1　自然語言文本的文本處理32
2.1.1　文字處理32
2.1.2　單詞處理45
2.1.3　1-of-N表示的處理54
2.2　基于單詞2-gram的文本生成68
第3章　深度學習應用于自然語言文本分析77
3.1　基于CNN的文本分類77
3.2　準備1：卷積運算和池化處理81
3.2.1　卷積運算81
3.2.2　池化處理90
3.3　準備2：全連接型神經網絡96
3.3.1　基于層次結構的全連接型神經網絡的構造及學習方法96
3.3.2　全連接型神經網絡的實現99
3.4　卷積神經網絡的實現102
3.4.1　卷積神經網絡的結構102
3.4.2　由卷積神經網絡學習1-of-N表示數據103
3.4.3　基于CNN的單詞序列評估118
第4章　文本生成與深度學習133
4.1　基于循環神經網絡的文本生成133
4.1.1　神經網絡和文本生成133
4.1.2　循環神經網絡136
4.2　RNN的實現139
4.2.1　RNN程序的設計139
4.2.2　RNN程序的實現141
4.3　基于RNN的文本生成154
4.3.1　基于RNN的文本生成框架154
4.3.2　文本生成實驗的實例160
附錄A　將行的重復次數添加到行首的程序uniqc.c167
附錄B　按照行首的數值對行進行排序的程序sortn.c169
附錄C　全連接型神經網絡的程序bp.c171
參考文獻178