TensorFlow與自然語(yǔ)言處理應(yīng)用

TensorFlow與自然語(yǔ)言處理應(yīng)用讀書(shū)筆記模板01思維導(dǎo)圖目錄分析讀書(shū)筆記內(nèi)容摘要作者介紹精彩摘錄目錄0305020406思維導(dǎo)圖自然語(yǔ)言處理自然語(yǔ)言處理計(jì)算機(jī)自然語(yǔ)言應(yīng)用基礎(chǔ)神經(jīng)網(wǎng)絡(luò)文本深度模型第章分析情感生成系統(tǒng)機(jī)器翻譯工作詞梯度本書(shū)關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要自然語(yǔ)言處理（NLP）是計(jì)算機(jī)科學(xué)、人工智能、語(yǔ)言學(xué)**計(jì)算機(jī)和人類(lèi)（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。本書(shū)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（WordEmbedding）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）與句子分類(lèi)、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)。本書(shū)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(zhuān)業(yè)的師生教學(xué)參考。目錄分析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12345第1章自然語(yǔ)言處理基礎(chǔ)1.6NLP中深度學(xué)習(xí)的局限性1.7NLP的應(yīng)用場(chǎng)景1.8NLP的發(fā)展前景1.9總結(jié)第1章自然語(yǔ)言處理基礎(chǔ)2.1深度學(xué)習(xí)介紹2.3神經(jīng)網(wǎng)絡(luò)介紹2.2深度學(xué)習(xí)演變簡(jiǎn)述第2章深度學(xué)習(xí)基礎(chǔ)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）2.6多層神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）2.7編碼器－解碼器網(wǎng)絡(luò)第2章深度學(xué)習(xí)基礎(chǔ)2.8隨機(jī)梯度下降2.10總結(jié)2.9反向傳播第2章深度學(xué)習(xí)基礎(chǔ)3.1TensorFlow概念解讀3.2TensorFlow主要特征3.3TensorFlow安裝3.4TensorFlow計(jì)算圖第3章TensorFlow3.5TensorFlow張量和模型會(huì)話(huà)3.6TensorFlow工作原理3.7通過(guò)一個(gè)示例來(lái)認(rèn)識(shí)TensorFlow3.8TensorFlow客戶(hù)端第3章TensorFlow3.9TensorFlow中常見(jiàn)元素解讀3.10變量作用域機(jī)制3.11實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)3.12總結(jié)第3章TensorFlow4.1分布式表示4.2Word2vec模型（以Skip-Gram為例）4.3原始Skip-Gram模型和改進(jìn)Skip-Gram模型對(duì)比分析4.4CBOW模型4.5Skip-Gram和CBOW對(duì)比12345第4章詞嵌入4.6詞嵌入算法的擴(kuò)展4.7結(jié)構(gòu)化Skip-Gram和連續(xù)窗口模型4.8GloVe模型4.9使用Word2Vec進(jìn)行文檔分類(lèi)4.10總結(jié)12345第4章詞嵌入5.1認(rèn)識(shí)卷積神經(jīng)網(wǎng)絡(luò)5.2輸入層5.3卷積運(yùn)算層5.4激活函數(shù)第5章卷積神經(jīng)網(wǎng)絡(luò)與句子分類(lèi)5.5池化層5.6全連接層5.7整合各層并使用反向傳播進(jìn)行訓(xùn)練5.8常見(jiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)第5章卷積神經(jīng)網(wǎng)絡(luò)與句子分類(lèi)5.9利用CNN對(duì)MNIST數(shù)據(jù)集進(jìn)行圖片分類(lèi)5.11總結(jié)5.10利用CNN進(jìn)行句子分類(lèi)第5章卷積神經(jīng)網(wǎng)絡(luò)與句子分類(lèi)6.1計(jì)算圖及其展開(kāi)6.2RNN解讀6.3通過(guò)時(shí)間的反向傳播算法6.4RNN的應(yīng)用類(lèi)型第6章循環(huán)神經(jīng)網(wǎng)絡(luò)6.5利用RNN生成文本6.6輸出新生成的文本片段6.7評(píng)估RNN的文本結(jié)果輸出6.8困惑度——文本生成結(jié)果質(zhì)量的度量6.9具有上下文特征的循環(huán)神經(jīng)網(wǎng)絡(luò)——RNN-CF12345第6章循環(huán)神經(jīng)網(wǎng)絡(luò)6.11總結(jié)6.10使用RNN-CF生成的文本第6章循環(huán)神經(jīng)網(wǎng)絡(luò)7.1LSTM簡(jiǎn)述7.2LSTM工作原理詳解7.3LSTM與標(biāo)準(zhǔn)RNN的區(qū)別7.4LSTM如何避免梯度消失和梯度爆炸問(wèn)題第7章長(zhǎng)短期記憶7.5優(yōu)化LSTM7.7總結(jié)7.6LSTM的其他變體第7章長(zhǎng)短期記憶8.1文本到文本的生成8.2意義到文本的生成8.3數(shù)據(jù)到文本的生成8.4文本自動(dòng)生成前的數(shù)據(jù)準(zhǔn)備第8章利用LSTM自動(dòng)生成文本8.5實(shí)現(xiàn)LSTM8.6標(biāo)準(zhǔn)LSTM與帶有窺視孔連接和GRU的LSTM的比較8.7優(yōu)化LSTM——集束搜索8.8改進(jìn)LSTM——使用詞而不是n-gram生成文本8.9使用TensorFlowRNNAPI8.10總結(jié)010302040506第8章利用LSTM自動(dòng)生成文本9.1簡(jiǎn)要介紹9.2發(fā)展背景9.3利用深度學(xué)習(xí)框架從圖像中生成字幕9.4評(píng)估指標(biāo)和基準(zhǔn)9.5近期研究12345第9章利用LSTM實(shí)現(xiàn)圖像字幕自動(dòng)生成9.6圖像字幕的產(chǎn)業(yè)布局9.8總結(jié)9.7詳解圖像字幕自動(dòng)生成任務(wù)第9章利用LSTM實(shí)現(xiàn)圖像字幕自動(dòng)生成10.1認(rèn)識(shí)情感分析10.2情感分析的問(wèn)題10.3情感文檔分類(lèi)10.4句子主觀(guān)性與情感分類(lèi)第10章情感分析10.5基于方面（Aspect）的情感分析10.6情感詞典生成10.7意見(jiàn)摘要10.8比較觀(guān)點(diǎn)分析10.9意見(jiàn)搜索10.10垃圾評(píng)論檢測(cè)010302040506第10章情感分析10.11評(píng)論的質(zhì)量10.13總結(jié)10.12利用TensorFlow進(jìn)行中文情感分析實(shí)現(xiàn)第10章情感分析11.1機(jī)器翻譯簡(jiǎn)介11.3統(tǒng)計(jì)機(jī)器翻譯11.2基于規(guī)則的翻譯第11章機(jī)器翻譯11.4神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯11.5神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（NMT）系統(tǒng)的前期準(zhǔn)備工作11.6BLEU評(píng)分——評(píng)估機(jī)器翻譯系統(tǒng)11.7完整實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯——德語(yǔ)到英語(yǔ)翻譯11.8結(jié)合詞向量訓(xùn)練神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)12345第11章機(jī)器翻譯11.9優(yōu)化神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)11.10實(shí)現(xiàn)注意力機(jī)制11.11可視化源語(yǔ)句和目標(biāo)語(yǔ)句的注意力11.12歷史性突破——BERT模型11.13總結(jié)12345第11章機(jī)器翻譯12.1概要12.2基于知識(shí)庫(kù)的問(wèn)答12.3機(jī)器理解中的深度學(xué)習(xí)12.4利用TensorFlow實(shí)現(xiàn)問(wèn)答任務(wù)12.5總結(jié)12345第12章智能問(wèn)答系統(tǒng)作者介紹同名作者介紹這是《TensorFlow與