譯者序
前言
緻謝
關於作者
關於技術審校人員
第1章 自然語言處理和深度學習概述 1
1.1 Python包 2
1.1.1 NumPy 2
1.1.2 Pandas 6
1.1.3 SciPy 9
1.2 自然語言處理簡介 11
1.2.1 什麼是自然語言處理 11
1.2.2 如何理解人類的語言 11
1.2.3 自然語言處理的難度是什麼 11
1.2.4 我們想通過自然語言處理獲得什麼 13
1.2.5 語言處理中的常用術語 13
1.3 自然語言處理庫 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入門 21
1.4.1 使用正則錶達式進行文本搜索 21
1.4.2 將文本轉換為列錶 21
1.4.3 文本預處理 22
1.4.4 從網頁中獲取文本 22
1.4.5 移除停止詞 23
1.4.6 計數嚮量化 23
1.4.7 TF-IDF分數 24
1.4.8 文本分類器 25
1.5 深度學習簡介 25
1.6 什麼是神經網絡 27
1.7 神經網絡的基本結構 29
1.8 神經網絡的類型 32
1.8.1 前饋神經網絡 33
1.8.2 捲積神經網絡 33
1.8.3 循環神經網絡 33
1.8.4 編碼器-解碼器網絡 34
1.8.5 遞歸神經網絡 35
1.9 多層感知器 35
1.10 隨機梯度下降 37
1.11 反嚮傳播 40
1.12 深度學習庫 42
1.12.1 Theano 42
1.12.2 Theano安裝 43
1.12.3 Theano示例 44
1.12.4 TensorFlow 45
1.12.5 數據流圖 46
1.12.6 TensorFlow安裝 47
1.12.7 TensorFlow示例 47
1.12.8 Keras 49
1.13 下一步 52
第2章 詞嚮量錶示 53
2.1 詞嵌入簡介 53
2.2 word2vec 56
2.2.1 skip-gram模型 58
2.2.2 模型成分：架構 58
2.2.3 模型成分：隱藏層 58
2.2.4 模型成分：輸齣層 60
2.2.5 CBOW模型 61
2.3 頻繁詞二次采樣 61
2.4 word2vec代碼 64
2.5 skip-gram代碼 67
2.6 CBOW代碼 75
2.7 下一步 83
第3章 展開循環神經網絡 85
3.1 循環神經網絡 86
3.1.1 什麼是循環 86
3.1.2 前饋神經網絡和循環神經網絡之間的差異 87
3.1.3 RNN基礎 88
3.1.4 自然語言處理和RNN 91
3.1.5 RNN的機製 93
3.1.6 訓練RNN 96
3.1.7 RNN中隱藏狀態的元意義 98
3.1.8 調整RNN 99
3.1.9 LSTM網絡 99
3.1.10 序列到序列模型 105
3.1.11 高級seq2seq模型 109
3.1.12 序列到序列用例 113
3.2 下一步 122
第4章 開發聊天機器人 123
4.1 聊天機器人簡介 123
4.1.1 聊天機器人的起源 124
4.1.2 聊天機器人如何工作 125
4.1.3 為什麼聊天機器人擁有如此大的商機 125
4.1.4 開發聊天機器人聽起來令人生畏 126
4.2 對話型機器人 127
4.3 聊天機器人：自動文本生成 141
4.4 下一步 170
第5章 實現研究論文：情感分類 171
5.1 基於自注意力機製的句子嵌入 172
5.1.1 提齣的方法 173
5.1.2 可視化 178
5.1.3 研究發現 181
5.2 實現情感分類 181
5.3 情感分類代碼 182
5.4 模型結果 191
5.5 可提升空間 196
5.6 下一步 196
· · · · · · (收起)