面向自然語言處理的深度學(xué)習(xí)：用Python創(chuàng)建神經(jīng)網(wǎng)絡(luò)

譯者序

前言

致謝

關(guān)于作者

關(guān)于技術(shù)審校人員

第1章　自然語言處理和深度學(xué)習(xí)概述  1

1.1　Python包  2

1.1.1　NumPy  2

1.1.2　Pandas  6

1.1.3　SciPy  9

1.2　自然語言處理簡介  11

1.2.1　什么是自然語言處理  11

1.2.2　如何理解人類的語言  11

1.2.3　自然語言處理的難度是什么  11

1.2.4　我們想通過自然語言處理獲得什么  13

1.2.5　語言處理中的常用術(shù)語  13

1.3　自然語言處理庫  14

1.3.1　NLTK  14

1.3.2　TextBlob  15

1.3.3　SpaCy  17

1.3.4　Gensim  19

1.3.5　Pattern  20

1.3.6　Stanford CoreNLP  21

1.4　NLP入門  21

1.4.1　使用正則表達(dá)式進(jìn)行文本搜索  21

1.4.2　將文本轉(zhuǎn)換為列表  21

1.4.3　文本預(yù)處理  22

1.4.4　從網(wǎng)頁中獲取文本  22

1.4.5　移除停止詞  23

1.4.6　計(jì)數(shù)向量化  23

1.4.7　TF-IDF分?jǐn)?shù)  24

1.4.8　文本分類器  25

1.5　深度學(xué)習(xí)簡介  25

1.6　什么是神經(jīng)網(wǎng)絡(luò)  27

1.7　神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)  29

1.8　神經(jīng)網(wǎng)絡(luò)的類型  32

1.8.1　前饋神經(jīng)網(wǎng)絡(luò)  33

1.8.2　卷積神經(jīng)網(wǎng)絡(luò)  33

1.8.3　循環(huán)神經(jīng)網(wǎng)絡(luò)  33

1.8.4　編碼器-解碼器網(wǎng)絡(luò)  34

1.8.5　遞歸神經(jīng)網(wǎng)絡(luò)  35

1.9　多層感知器  35

1.10　隨機(jī)梯度下降  37

1.11　反向傳播  40

1.12　深度學(xué)習(xí)庫  42

1.12.1　Theano  42

1.12.2　Theano安裝  43

1.12.3　Theano示例  44

1.12.4　TensorFlow  45

1.12.5　數(shù)據(jù)流圖  46

1.12.6　TensorFlow安裝  47

1.12.7　TensorFlow示例  47

1.12.8　Keras  49

1.13　下一步  52

第2章　詞向量表示  53

2.1　詞嵌入簡介  53

2.2　word2vec  56

2.2.1　skip-gram模型  58

2.2.2　模型成分：架構(gòu)  58

2.2.3　模型成分：隱藏層  58

2.2.4　模型成分：輸出層  60

2.2.5　CBOW模型  61

2.3　頻繁詞二次采樣  61

2.4　word2vec代碼  64

2.5　skip-gram代碼  67

2.6　CBOW代碼  75

2.7　下一步  83

第3章　展開循環(huán)神經(jīng)網(wǎng)絡(luò)  85

3.1　循環(huán)神經(jīng)網(wǎng)絡(luò)  86

3.1.1　什么是循環(huán)  86

3.1.2　前饋神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)之間的差異  87

3.1.3　RNN基礎(chǔ)  88

3.1.4　自然語言處理和RNN  91

3.1.5　RNN的機(jī)制  93

3.1.6　訓(xùn)練RNN  96

3.1.7　RNN中隱藏狀態(tài)的元意義  98

3.1.8　調(diào)整RNN  99

3.1.9　LSTM網(wǎng)絡(luò)  99

3.1.10　序列到序列模型  105

3.1.11　高級seq2seq模型  109

3.1.12　序列到序列用例  113

3.2　下一步  122

第4章　開發(fā)聊天機(jī)器人  123

4.1　聊天機(jī)器人簡介  123

4.1.1　聊天機(jī)器人的起源  124

4.1.2　聊天機(jī)器人如何工作  125

4.1.3　為什么聊天機(jī)器人擁有如此大的商機(jī)  125

4.1.4　開發(fā)聊天機(jī)器人聽起來令人生畏  126

4.2　對話型機(jī)器人  127

4.3　聊天機(jī)器人：自動文本生成  141

4.4　下一步  170

第5章　實(shí)現(xiàn)研究論文：情感分類  171

5.1　基于自注意力機(jī)制的句子嵌入  172

5.1.1　提出的方法  173

5.1.2　可視化  178

5.1.3　研究發(fā)現(xiàn)  181

5.2　實(shí)現(xiàn)情感分類  181

5.3　情感分類代碼  182

5.4　模型結(jié)果  191

5.5　可提升空間  196

5.6　下一步  196

......