TensorFlow與自然語(yǔ)言處理應(yīng)用

定　價(jià)：￥89.00

作　者：	李孟全
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302531012	出版時(shí)間：	2019-07-01	包裝：
開(kāi)本：		頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　自然語(yǔ)言處理（NLP）是計(jì)算機(jī)科學(xué)、人工智能、語(yǔ)言學(xué)關(guān)注計(jì)算機(jī)和人類（自然）語(yǔ)言之間的相互作用的領(lǐng)域。自然語(yǔ)言處理是機(jī)器學(xué)習(xí)的應(yīng)用之一，用于分析、理解和生成自然語(yǔ)言，它與人機(jī)交互有關(guān)，最終實(shí)現(xiàn)人與計(jì)算機(jī)之間更好的交流?！禩ensorFlow與自然語(yǔ)言處理應(yīng)用》分為12章，內(nèi)容包括自然語(yǔ)言處理基礎(chǔ)、深度學(xué)習(xí)基礎(chǔ)、TensorFlow、詞嵌入（Word Embedding）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）與句子分類、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長(zhǎng)短期記憶（LSTM）、利用LSTM實(shí)現(xiàn)圖像字幕自動(dòng)生成、情感分析、機(jī)器翻譯及智能問(wèn)答系統(tǒng)。《TensorFlow與自然語(yǔ)言處理應(yīng)用》適合TensorFlow自然語(yǔ)言處理技術(shù)的初學(xué)者、NLP應(yīng)用開(kāi)發(fā)人員、NLP研究人員，也適合高等院校和培訓(xùn)學(xué)校相關(guān)專業(yè)的師生教學(xué)參考。

作者簡(jiǎn)介

　　李孟全，中國(guó)社會(huì)科學(xué)院研究生院碩士。十多年IT從業(yè)經(jīng)歷，先后從事過(guò)程序員、項(xiàng)目負(fù)責(zé)人、部門(mén)負(fù)責(zé)人等崗位。長(zhǎng)期關(guān)注人工智能領(lǐng)域，在機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和NLP領(lǐng)域有一定的積累。

圖書(shū)目錄

第1章自然語(yǔ)言處理基礎(chǔ)
1．1 認(rèn)識(shí)自然語(yǔ)言處理
1．2 自然語(yǔ)言處理方面的任務(wù)
1．3 第一階段：偏理論的理性主義
1．4 第二階段：偏實(shí)踐應(yīng)用的經(jīng)驗(yàn)主義
1．5 第三階段：深度學(xué)習(xí)階段
1．6 NLP中深度學(xué)習(xí)的局限性
1．7 NLP的應(yīng)用場(chǎng)景
1．8 NLP的發(fā)展前景
1．9 總結(jié)
第2章深度學(xué)習(xí)基礎(chǔ)
2．1 深度學(xué)習(xí)介紹
2．2 深度學(xué)習(xí)演變簡(jiǎn)述
2．2．1 深度學(xué)習(xí)早期
2．2．2 深度學(xué)習(xí)的發(fā)展
2．2．3 深度學(xué)習(xí)的爆發(fā)
2．3 神經(jīng)網(wǎng)絡(luò)介紹
2．4 神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
2．5 兩層神經(jīng)網(wǎng)絡(luò)（多層感知器）
2．5．1 簡(jiǎn)述
2．5．2 兩層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2．6 多層神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）
2．6．1 簡(jiǎn)述
2．6．2 多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2．7 編碼器．解碼器網(wǎng)絡(luò)
2．8 隨機(jī)梯度下降
2．9 反向傳播
2．1 0總結(jié)
第3章 TensorFlow．
3．1 TensorFlow概念解讀
3．2 TensorFlow主要特征
3．2．1 自動(dòng)求微分
3．2．2 多語(yǔ)言支持
3．2．3 高度的靈活性
3．2．4 真正的可移植性
3．2．5 將科研和產(chǎn)品聯(lián)系在一起
3．2．6 性能最優(yōu)化
3．3 TensorFlow安裝
3．4 TensorFlow計(jì)算圖
3．5 TensorFlow張量和模型會(huì)話
3．5．1 張量
3．5．2 會(huì)話
3．6 TensorFlow工作原理
3．7 通過(guò)一個(gè)示例來(lái)認(rèn)識(shí)TensorFlow
3．8 TensorFlow客戶端
3．9 TensorFlow中常見(jiàn)元素解讀
3，9．1 在TensorFlow中定義輸入
3．9．2 在TensorFlow中定義變量
3．9．3 定義TensorFlow輸出
3．9．4 定義TensorFlow運(yùn)算或操作
3．10 變量作用域機(jī)制
3．10．1 基本原理
3．10．2 通過(guò)示例解讀
3．11 實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)
3．11．1 數(shù)據(jù)準(zhǔn)備
3．11．2 定義TensorFlow計(jì)算圖
3．11．3 運(yùn)行神經(jīng)網(wǎng)絡(luò)
3．12 總結(jié)
第4章詞嵌入
4．1 分布式表示
4．1．1 分布式表示的直觀認(rèn)識(shí)
4．1．2 分布式表示解讀
4．2 Word2vec模型（以Skip-Gram為例）
4．2．1 直觀認(rèn)識(shí)Word2vec
4．2．2 定義任務(wù)
4．2．3 從原始文本創(chuàng)建結(jié)構(gòu)化數(shù)據(jù)
4．2．4 定義詞嵌入層和神經(jīng)網(wǎng)絡(luò)
……
第5章卷積神經(jīng)網(wǎng)絡(luò)與句子分類
第6章循環(huán)神經(jīng)網(wǎng)絡(luò)
第7章長(zhǎng)短期記憶
第8章利用LSTM自動(dòng)生成文本
第9章利用LSTM實(shí)現(xiàn)圖像字幕自動(dòng)生成
第10章情感分析
第11章機(jī)器翻譯
第12章智能問(wèn)答系統(tǒng)