时光漫步

时光漫步

图书全部分类
套装书
婚恋与两性
字典词典/工具书
教学/实验用品
棋牌麻将
白酒
积木拼插
绘图计算用品
青少年素质培养

资源详情

面向自然语言处理的深度学习:用Python创建神经网络

面向自然语言处理的深度学习:用Python创建神经网络-电子书下载封面


副标题: 用Python创建神经网络
出版年: 2019-2
页数: 212
装帧: 平装
丛书:  智能系统与技术丛书
ISBN: 9787111617198

下载次数:36

书籍详情介绍

面向自然语言处理的深度学习:用Python创建神经网络详情图

书籍资料

  • 内容简介
  • 作者介绍
  • 书籍目录

全书分为5章,通过介绍完整的神经网络模型(包括循环神经网络、长短期记忆网络以及序列到序列模型)实例,向读者阐释用于自然语言处理(NLP)的深度学习概念。前三章介绍NLP和深度学习的基础知识、词向量表示和高级算法,后两章集中介绍实现过程,并使用Python工具TensorFlow和Keras来处理复杂的架构,比如RNN、LSTM和seq2seq。本书遵循循序渐进的方法,最后集合全部知识构建一个问答式聊天机器人系统。

译者序
前言
致谢
关于作者
关于技术审校人员
第1章自然语言处理和深度学习概述1
1.1Python包2
1.1.1NumPy2
1.1.2Pandas6
1.1.3SciPy9
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
1.3.1NLTK14
1.3.2TextBlob15
1.3.3SpaCy17
1.3.4Gensim19
1.3.5Pattern20
1.3.6StanfordCoreNLP21
1.4NLP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
1.4.7TF-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
1.12.1Theano42
1.12.2Theano安装43
1.12.3Theano示例44
1.12.4TensorFlow45
1.12.5数据流图46
1.12.6TensorFlow安装47
1.12.7TensorFlow示例47
1.12.8Keras49
1.13下一步52
第2章词向量表示53
2.1词嵌入简介53
2.2word2vec56
2.2.1skip-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
2.2.5CBOW模型61
2.3频繁词二次采样61
2.4word2vec代码64
2.5skip-gram代码67
2.6CBOW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
3.1.3RNN基础88
3.1.4自然语言处理和RNN91
3.1.5RNN的机制93
3.1.6训练RNN96
3.1.7RNN中隐藏状态的元意义98
3.1.8调整RNN99
3.1.9LSTM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


0.456550s