人工智能 类型
7.5 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。