人工智能
类型
7.6
豆瓣评分
可以朗读
语音朗读
428千字
字数
2020-07-01
发行日期
展开全部
主编推荐语
实战自然语言处理及深度学习，涵盖基础知识与实际应用。
内容简介
本书是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：第一部分介绍NLP基础，包括切词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含词向量、神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等现实世界系统的模型挑战、性能挑战以及应对方法。
目录
- 版权信息
- 内容提要
- 译者简介
- 译者序
- 序
- 前言
- 致谢
- Hobson Lane致谢
- Cole Howard致谢
- Hannes Max Hapke致谢
- 关于本书
- 路线图
- 主要内容
- 关于代码
- 关于作者
- 关于封面插画
- 资源与支持
- 配套资源
- 提交勘误
- 与我们联系
- 关于异步社区和异步图书
- 第一部分 处理文本的机器
- 第1章 NLP概述
- 1.1 自然语言与编程语言
- 1.2 神奇的魔法
- 1.3 实际应用
- 1.4 计算机“眼”中的语言
- 1.5 超空间简述
- 1.6 词序和语法
- 1.7 聊天机器人的自然语言流水线
- 1.8 深度处理
- 1.9 自然语言智商
- 1.10 小结
- 第2章 构建自己的词汇表
- 2.1 挑战（词干还原预览）
- 2.2 利用分词器构建词汇表
- 2.3 情感
- 2.4 小结
- 第3章 词中的数学
- 3.1 词袋
- 3.2 向量化
- 3.3 齐普夫定律
- 3.4 主题建模
- 3.5 小结
- 第4章 词频背后的语义
- 4.1 从词频到主题得分
- 4.2 潜在语义分析
- 4.3 奇异值分解
- 4.4 主成分分析
- 4.5 潜在狄利克雷分布（LDiA）
- 4.6 距离和相似度
- 4.7 反馈及改进
- 4.8 主题向量的威力
- 4.9 小结
- 第二部分 深度学习（神经网络）
- 第5章 神经网络初步（感知机与反向传播）
- 5.1 神经网络的组成
- 5.2 小结
- 第6章 词向量推理（Word2vec）
- 6.1 语义查询与类比
- 6.2 词向量
- 6.3 小结
- 第7章 卷积神经网络（CNN）
- 7.1 语义理解
- 7.2 工具包
- 7.3 卷积神经网络
- 7.4 狭窄的窗口
- 7.5 小结
- 第8章 循环神经网络（RNN）
- 8.1 循环网络的记忆功能
- 8.2 整合各个部分
- 8.3 自我学习
- 8.4 超参数
- 8.5 预测
- 8.6 小结
- 第9章 改进记忆力：长短期记忆网络（LSTM）
- 9.1 长短期记忆（LSTM）
- 9.2 小结
- 第10章 序列到序列建模和注意力机制
- 10.1 编码-解码架构
- 10.2 组装一个序列到序列的流水线
- 10.3 训练序列到序列网络
- 10.4 使用序列到序列网络构建一个聊天机器人
- 10.5 增强
- 10.6 实际应用
- 10.7 小结
- 第三部分 进入现实世界（现实中的NLP挑战）
- 第11章 信息提取（命名实体识别与问答系统）
- 11.1 命名实体与关系
- 11.2 正则模式
- 11.3 值得提取的信息
- 11.4 提取人物关系（事物关系）
- 11.5 现实世界的信息提取
- 11.6 小结
- 第12章 开始聊天（对话引擎）
- 12.1 语言技能
- 12.2 模式匹配方法
- 12.3 知识方法
- 12.4 检索（搜索）方法
- 12.5 生成式方法
- 12.6 四轮驱动
- 12.7 设计过程
- 12.8 技巧
- 12.9 现实世界
- 12.10 小结
- 第13章 可扩展性（优化、并行化和批处理）
- 13.1 太多（数据）未必是好事
- 13.2 优化NLP算法
- 13.3 常数级内存算法
- 13.4 并行化NLP计算
- 13.5 减少模型训练期间的内存占用
- 13.6 使用TensorBoard了解模型
- 13.7 小结
- 附录A 本书配套的NLP工具
- A.1 Anaconda3
- A.2 安装nlpia
- A.3 集成开发环境
- A.4 Ubuntu包管理器
- A.5 Mac
- A.6 Windows
- A.7 NLPIA自动化
- 附录B 有趣的Python和正则表达式
- B.1 处理字符串
- B.2 Python中的映射（dict和OrderedDict）
- B.3 正则表达式
- B.4 代码风格
- B.5 技巧
- 附录C 向量和矩阵（线性代数基础）
- 向量
- 附录D 机器学习常见工具与技术
- D.1 数据选择和避免偏见
- D.2 模型拟合程度
- D.3 数据集划分
- D.4 交叉拟合训练
- D.5 抑制模型
- D.6 非均衡训练集
- D.7 性能指标
- D.8 专业技巧
- 附录E 设置亚马逊云服务（AWS）上的GPU
- 创建AWS GPU实例的步骤
- 附录F 局部敏感哈希
- F.1 高维向量的区别
- F.2 高维索引
- F.3 推文点赞预测
- 资源
- 应用及项目
- 课程与教程
- 工具和包
- 研究论文及讲座
- 竞赛与奖励
- 数据集
- 搜索引擎
- 词汇表
- 缩略词
- 术语
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
