扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
面向自然语言处理的深度学习用Python创建神经网络 版权信息
- ISBN：9787111617198
- 条形码：9787111617198 ; 978-7-111-61719-8
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
面向自然语言处理的深度学习用Python创建神经网络 本书特色
全书分为5章，通过介绍完整的神经网络模型（包括循环神经网络、长短期记忆网络以及序列到序列模型）实例，向读者阐释用于自然语言处理（NLP）的深度学习概念。前三章介绍NLP和深度学习的基础知识、词向量表示和高级算法，后两章集中介绍实现过程，并使用Python工具TensorFlow和Keras来处理复杂的架构，比如RNN、LSTM和seq2seq。本书遵循循序渐进的方法，*后集合全部知识构建一个问答式聊天机器人系统。
面向自然语言处理的深度学习用Python创建神经网络 内容简介
全书分为5章，通过介绍完整的神经网络模型(包括循环神经网络、长短期记忆网络以及序列到序列模型)实例，向读者阐释用于自然语言处理(NLP)的深度学习概念。前三章介绍NLP和深度学习的基础知识、词向量表示和高级算法，后两章集中介绍实现过程，并使用Python工具TensorFlow和Keras来处理复杂的架构，比如RNN、LSTM和seq2seq。本书遵循循序渐进的方法，*后集合全部知识构建一个问答式聊天机器人系统。
面向自然语言处理的深度学习用Python创建神经网络 目录
译者序
前言
致谢
关于作者
关于技术审校人员
第1章 自然语言处理和深度学习概述 1
1.1 Python包 2
1.1.1 NumPy 2
1.1.2 Pandas 6
1.1.3 SciPy 9
1.2 自然语言处理简介 11
1.2.1 什么是自然语言处理 11
1.2.2 如何理解人类的语言 11
1.2.3 自然语言处理的难度是什么 11
1.2.4 我们想通过自然语言处理获得什么 13
1.2.5 语言处理中的常用术语 13
1.3 自然语言处理库 14
1.3.1 NLTK 14
1.3.2 TextBlob 15
1.3.3 SpaCy 17
1.3.4 Gensim 19
1.3.5 Pattern 20
1.3.6 Stanford CoreNLP 21
1.4 NLP入门 21
1.4.1 使用正则表达式进行文本搜索 21
1.4.2 将文本转换为列表 21
1.4.3 文本预处理 22
1.4.4 从网页中获取文本 22
1.4.5 移除停止词 23
1.4.6 计数向量化 23
1.4.7 TF-IDF分数 24
1.4.8 文本分类器 25
1.5 深度学习简介 25
1.6 什么是神经网络 27
1.7 神经网络的基本结构 29
1.8 神经网络的类型 32
1.8.1 前馈神经网络 33
1.8.2 卷积神经网络 33
1.8.3 循环神经网络 33
1.8.4 编码器-解码器网络 34
1.8.5 递归神经网络 35
1.9 多层感知器 35
1.10 随机梯度下降 37
1.11 反向传播 40
1.12 深度学习库 42
1.12.1 Theano 42
1.12.2 Theano安装 43
1.12.3 Theano示例 44
1.12.4 TensorFlow 45
1.12.5 数据流图 46
1.12.6 TensorFlow安装 47
1.12.7 TensorFlow示例 47
1.12.8 Keras 49
1.13 下一步 52
第2章 词向量表示 53
2.1 词嵌入简介 53
2.2 word2vec 56
2.2.1 skip-gram模型 58
2.2.2 模型成分：架构 58
2.2.3 模型成分：隐藏层 58
2.2.4 模型成分：输出层 60
2.2.5 CBOW模型 61
2.3 频繁词二次采样 61
2.4 word2vec代码 64
2.5 skip-gram代码 67
2.6 CBOW代码 75
2.7 下一步 83
第3章 展开循环神经网络 85
3.1 循环神经网络 86
3.1.1 什么是循环 86
3.1.2 前馈神经网络和循环神经网络之间的差异 87
3.1.3 RNN基础 88
3.1.4 自然语言处理和RNN 91
3.1.5 RNN的机制 93
3.1.6 训练RNN 96
3.1.7 RNN中隐藏状态的元意义 98
3.1.8 调整RNN 99
3.1.9 LSTM网络 99
3.1.10 序列到序列模型 105
3.1.11 高级seq2seq模型 109
3.1.12 序列到序列用例 113
3.2 下一步 122
第4章 开发聊天机器人 123
4.1 聊天机器人简介 123
4.1.1 聊天机器人的起源 124
4.1.2 聊天机器人如何工作 125
4.1.3 为什么聊天机器人拥有如此大的商机 125
4.1.4 开发聊天机器人听起来令人生畏 126
4.2 对话型机器人 127
4.3 聊天机器人：自动文本生成 141
4.4 下一步 170
第5章 实现研究论文：情感分类 171
5.1 基于自注意力机制的句子嵌入 172
5.1.1 提出的方法 173
5.1.2 可视化 178
5.1.3 研究发现 181
5.2 实现情感分类 181
5.3 情感分类代码 182
5.4 模型结果 191
5.5 可提升空间 196
5.6 下一步 196
前言
致谢
关于作者
关于技术审校人员
第1章 自然语言处理和深度学习概述 1
1.1 Python包 2
1.1.1 NumPy 2
1.1.2 Pandas 6
1.1.3 SciPy 9
1.2 自然语言处理简介 11
1.2.1 什么是自然语言处理 11
1.2.2 如何理解人类的语言 11
1.2.3 自然语言处理的难度是什么 11
1.2.4 我们想通过自然语言处理获得什么 13
1.2.5 语言处理中的常用术语 13
1.3 自然语言处理库 14
1.3.1 NLTK 14
1.3.2 TextBlob 15
1.3.3 SpaCy 17
1.3.4 Gensim 19
1.3.5 Pattern 20
1.3.6 Stanford CoreNLP 21
1.4 NLP入门 21
1.4.1 使用正则表达式进行文本搜索 21
1.4.2 将文本转换为列表 21
1.4.3 文本预处理 22
1.4.4 从网页中获取文本 22
1.4.5 移除停止词 23
1.4.6 计数向量化 23
1.4.7 TF-IDF分数 24
1.4.8 文本分类器 25
1.5 深度学习简介 25
1.6 什么是神经网络 27
1.7 神经网络的基本结构 29
1.8 神经网络的类型 32
1.8.1 前馈神经网络 33
1.8.2 卷积神经网络 33
1.8.3 循环神经网络 33
1.8.4 编码器-解码器网络 34
1.8.5 递归神经网络 35
1.9 多层感知器 35
1.10 随机梯度下降 37
1.11 反向传播 40
1.12 深度学习库 42
1.12.1 Theano 42
1.12.2 Theano安装 43
1.12.3 Theano示例 44
1.12.4 TensorFlow 45
1.12.5 数据流图 46
1.12.6 TensorFlow安装 47
1.12.7 TensorFlow示例 47
1.12.8 Keras 49
1.13 下一步 52
第2章 词向量表示 53
2.1 词嵌入简介 53
2.2 word2vec 56
2.2.1 skip-gram模型 58
2.2.2 模型成分：架构 58
2.2.3 模型成分：隐藏层 58
2.2.4 模型成分：输出层 60
2.2.5 CBOW模型 61
2.3 频繁词二次采样 61
2.4 word2vec代码 64
2.5 skip-gram代码 67
2.6 CBOW代码 75
2.7 下一步 83
第3章 展开循环神经网络 85
3.1 循环神经网络 86
3.1.1 什么是循环 86
3.1.2 前馈神经网络和循环神经网络之间的差异 87
3.1.3 RNN基础 88
3.1.4 自然语言处理和RNN 91
3.1.5 RNN的机制 93
3.1.6 训练RNN 96
3.1.7 RNN中隐藏状态的元意义 98
3.1.8 调整RNN 99
3.1.9 LSTM网络 99
3.1.10 序列到序列模型 105
3.1.11 高级seq2seq模型 109
3.1.12 序列到序列用例 113
3.2 下一步 122
第4章 开发聊天机器人 123
4.1 聊天机器人简介 123
4.1.1 聊天机器人的起源 124
4.1.2 聊天机器人如何工作 125
4.1.3 为什么聊天机器人拥有如此大的商机 125
4.1.4 开发聊天机器人听起来令人生畏 126
4.2 对话型机器人 127
4.3 聊天机器人：自动文本生成 141
4.4 下一步 170
第5章 实现研究论文：情感分类 171
5.1 基于自注意力机制的句子嵌入 172
5.1.1 提出的方法 173
5.1.2 可视化 178
5.1.3 研究发现 181
5.2 实现情感分类 181
5.3 情感分类代码 182
5.4 模型结果 191
5.5 可提升空间 196
5.6 下一步 196
展开全部
面向自然语言处理的深度学习用Python创建神经网络 作者简介
Palash Goyal， 是一名高级数据科学家，目前从事将数据科学和深度学习用于在线营销领域的工作。他曾在印度理工学院（IIT）的Guwahati分校学习数学和计算机科学，毕业后他开始在快节奏环境中工作。他在电子商务、旅游、保险和银行等行业拥有丰富的经验，热衷于数学和金融。他利用深度学习和强化学习技术进行价格预测与投资组合管理，在业余时间管理他的多种加密货币和首次代币发行（ICO）。他追踪数据科学领域的趋势，并在博客http://madoverdata.com上分享这些趋势。他还会在空闲时发表与智慧农业相关的文章。 Sumit Pandey， 毕业于印度理工学院（IIT）的Kharagpur分校，曾在AXA Business Services工作了大约一年，担任数据科学顾问。他目前正在创办自己的企业。 Karan Jain， 是Sigtuple公司的一名产品分析师，他在那里研究尖端的AI驱动诊断产品。此前，他曾在医疗保健解决方案公司Vitrana担任数据科学家。他喜欢在快节奏的数据初创公司工作。在闲暇时间，Karan深入涉猎基因组学、BCI接口和光遗传学。最近，他对用于便携式诊断的POC设备和纳米技术产生了兴趣。Karan在LinkedIn上有3000多名粉丝。
书友推荐
- >
姑妈的宝刀
姑妈的宝刀
¥11.4¥30.0 - >
经典常谈
经典常谈
¥17.1¥39.8 - >
史学评论
史学评论
¥13.9¥42.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
二体千字文
二体千字文
¥16.0¥40.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0 - >
有舍有得是人生
有舍有得是人生
¥31.5¥45.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0
本类畅销
-
区块链开发从入门到精通 以太坊+超级账本
¥55.9¥79.8 -
C和指针
¥69.3¥99 -
超简单用PYTHON让Excel飞起来
¥54.4¥69.8 -
超简单:用Python让Excel飞起来(实战150例)
¥55.9¥79.8 -
新编C语言习题与解析
¥48.3¥69 -
深入浅出Pandas:利用Python进行数据处理与分析
¥84.2¥99
