基于深度学习的自然语言处理 中文pdf完整版[192MB]

自然语言处理是人工智能领域的一个重要的研究方向，是计算机科学与语言学的交叉学科。随着互联网的快速发展，网络文本尤其是用户生成的文本呈爆炸性增长，为自然语言处理带来了巨大的应用需求。但是由于自然语言具有歧义性、动态性和非规范性，同时语言理解通常需要丰富的知识和一定的推理能力，为自然语言处理带来了极大的挑战。近年来如火如荼的深度学习技术为解决自然语言处理问题的解决提供了一种可能的思路，已成为有效推动自然语言处理技术发展的变革力量。

《基于深度学习的自然语言处理》系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。

本书主要面向高等院校自然语言处理和机器学习方向的研究生，也适合自然语言处理或机器学习领域的研究人员以及工业界从事智能相关领域呀发的专业人员阅读参考。

目录

第1章引言
第2章学习基础与线性模型
第3章从线性模型到多层感知器
第4章前馈神经网络
第5章神经网络训练
第二部分处理自然语言数据
第6章文本特征构造
第7章NLP特征的案例分析
第8章从文本特征到输入
第9章语言模型
第10章预训练的词表示
第11章使用词嵌入
第12章案例分析:一种用于句子意义推理的前馈结构
第三部分特殊的结构
第13章n元语法探测器：卷积神经网络
第14章循环神经网络：序列和栈建模
第15章实际的循环神经网络结构
第16章通过循环网络建模
第17章条件生成
第四部分其他主题
第18章用递归神经网络对树建模
第19章结构化输出预测
第20章级联、多任务与半监督学习
第21章结论