封面
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——分词
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
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
更新时间：2021-01-15 16:37:03
完结共157章
倒序