更新时间：2021-01-15 16:37:03
封面
版权信息
内容提要
译者简介
译者序
序
前 言
致 谢
Hobson Lane致谢
Cole Howard致谢
Hannes Max Hapke致谢
关于本书
路线图
主要内容
关于代码
关于作者
关于封面插画
资源与支持
配套资源
提交勘误
与我们联系
关于异步社区和异步图书
第一部分 处理文本的机器
第1章 NLP概述
1.1 自然语言与编程语言
1.2 神奇的魔法
1.3 实际应用
1.4 计算机“眼”中的语言
1.5 超空间简述
1.6 词序和语法
1.7 聊天机器人的自然语言流水线
1.8 深度处理
1.9 自然语言智商
1.10 小结
第2章 构建自己的词汇表——分词
2.1 挑战（词干还原预览）
2.2 利用分词器构建词汇表
2.3 情感
2.4 小结
第3章 词中的数学
3.1 词袋
3.2 向量化
3.3 齐普夫定律
3.4 主题建模
3.5 小结
第4章 词频背后的语义
4.1 从词频到主题得分
4.2 潜在语义分析
4.3 奇异值分解
4.4 主成分分析
4.5 潜在狄利克雷分布（LDiA）
4.6 距离和相似度
4.7 反馈及改进
4.8 主题向量的威力
4.9 小结
第二部分 深度学习（神经网络）
第5章 神经网络初步（感知机与反向传播）
5.1 神经网络的组成
5.2 小结
第6章 词向量推理（Word2vec）
6.1 语义查询与类比
6.2 词向量
6.3 小结
第7章 卷积神经网络（CNN）
7.1 语义理解
7.2 工具包
7.3 卷积神经网络
7.4 狭窄的窗口
7.5 小结
第8章 循环神经网络（RNN）
8.1 循环网络的记忆功能
8.2 整合各个部分
8.3 自我学习
8.4 超参数
8.5 预测
8.6 小结
第9章 改进记忆力：长短期记忆网络（LSTM）
9.1 长短期记忆（LSTM）
9.2 小结
第10章 序列到序列建模和注意力机制
10.1 编码-解码架构
10.2 组装一个序列到序列的流水线
10.3 训练序列到序列网络
10.4 使用序列到序列网络构建一个聊天机器人
10.5 增强
10.6 实际应用
10.7 小结
第三部分 进入现实世界（现实中的NLP挑战）
第11章 信息提取（命名实体识别与问答系统）
11.1 命名实体与关系
11.2 正则模式
11.3 值得提取的信息
11.4 提取人物关系（事物关系）
11.5 现实世界的信息提取
11.6 小结
第12章 开始聊天（对话引擎）
12.1 语言技能
12.2 模式匹配方法
12.3 知识方法
12.4 检索（搜索）方法
