面向自然语言处理的深度学习【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

面向自然语言处理的深度学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 自然语言处理和深度学习概述1

1.1 Python包2

1.1.1 NumPy2

1.1.2 Pandas6

1.1.3 SciPy9

1.2 自然语言处理简介11

1.2.1 什么是自然语言处理11

1.2.2 如何理解人类的语言11

1.2.3 自然语言处理的难度是什么11

1.2.4 我们想通过自然语言处理获得什么13

1.2.5 语言处理中的常用术语13

1.3 自然语言处理库14

1.3.1 NLTK14

1.3.2 TextBlob15

1.3.3 SpaCy17

1.3.4 Gensim19

1.3.5 Pattern20

1.3.6 Stanford CoreNLP21

1.4 NLP入门21

1.4.1 使用正则表达式进行文本搜索21

1.4.2 将文本转换为列表21

1.4.3 文本预处理22

1.4.4 从网页中获取文本22

1.4.5 移除停止词23

1.4.6 计数向量化23

1.4.7 TF-IDF分数24

1.4.8 文本分类器25

1.5 深度学习简介25

1.6 什么是神经网络27

1.7 神经网络的基本结构29

1.8 神经网络的类型32

1.8.1 前馈神经网络33

1.8.2 卷积神经网络33

1.8.3 循环神经网络33

1.8.4 编码器-解码器网络34

1.8.5 递归神经网络35

1.9 多层感知器35

1.10 随机梯度下降37

1.11 反向传播40

1.12 深度学习库42

1.12.1 Theano42

1.12.2 Theano安装43

1.12.3 Theano示例44

1.12.4 TensorFlow45

1.12.5 数据流图46

1.12.6 TensorFlow安装47

1.12.7 TensorFlow示例47

1.12.8 Keras49

1.13 下一步52

第2章 词向量表示53

2.1 词嵌入简介53

2.2 word2vec56

2.2.1 skip-gram模型58

2.2.2 模型成分：架构58

2.2.3 模型成分：隐藏层58

2.2.4 模型成分：输出层60

2.2.5 CBOW模型61

2.3 频繁词二次采样61

2.4 word2vec代码64

2.5 skip-gram代码67

2.6 CBOW代码75

2.7 下一步83

第3章 展开循环神经网络85

3.1 循环神经网络86

3.1.1 什么是循环86

3.1.2 前馈神经网络和循环神经网络之间的差异87

3.1.3 RNN基础88

3.1.4 自然语言处理和RNN91

3.1.5 RNN的机制93

3.1.6 训练RNN96

3.1.7 RNN中隐藏状态的元意义98

3.1.8 调整RNN99

3.1.9 LSTM网络99

3.1.10 序列到序列模型105

3.1.11 高级seq2seq模型109

3.1.12 序列到序列用例113

3.2 下一步122

第4章 开发聊天机器人123

4.1 聊天机器人简介123

4.1.1 聊天机器人的起源124

4.1.2 聊天机器人如何工作125

4.1.3 为什么聊天机器人拥有如此大的商机125

4.1.4 开发聊天机器人听起来令人生畏126

4.2 对话型机器人127

4.3 聊天机器人：自动文本生成141

4.4 下一步170

第5章 实现研究论文：情感分类171

5.1 基于自注意力机制的句子嵌入172

5.1.1 提出的方法173

5.1.2 可视化178

5.1.3 研究发现181

5.2 实现情感分类181

5.3 情感分类代码182

5.4 模型结果191

5.5 可提升空间196

5.6 下一步196