导语

  

内容提要

  

    小高知宏著的《自然语言处理与深度学习》详细介绍了将深度学习应用于自然语言处理的方法，并概述了自然语言处理的一般概念，通过具体实例说明了如何提取自然语言文本的特征以及如何考虑上下文关系来生成文本。书中自然语言文本的特征提取是通过卷积神经网络来实现的，而根据上下文关系来生成文本则利用了循环神经网络。这两个网络是深度学习领域中常用的基础技术。
    本书通过实现C语言程序来具体讲解自然语言处理与深度学习的相关技术。本书给出的程序都能在普通个人电脑上执行。通过实际执行这些C语言程序，确认其运行过程，并根据需要对程序进行修改，读者能够更深刻地理解自然语言处理与深度学习技术。

译者序
前言
第1章  自然语言处理与深度学习
  1.1  自然语言处理
    1.1.1  什么是自然语言处理
    1.1.2  自然语言处理基础
  1.2  深度学习
    1.2.1  人工智能与机器学习
    1.2.2  神经网络
    1.2.3  卷积神经网络和自编码器
  1.3  与自然语言处理相关的深度学习
    1.3.1  自然语言处理与神经网络、深度学习
    1.3.2  用神经网络来表达单词意义
    1.3.3  深度学习应用于自然语言处理
第2章  基于文本处理的自然语言处理
  2.1  自然语言文本的文本处理
    2.1.1  文字处理
    2.1.2  单词处理
    2.1.3  1-of-N表示的处理
  2.2  基于单词2-gram的文本生成
第3章  深度学习应用于自然语言文本分析
  3.1  基于CNN的文本分类
  3.2  准备1：卷积运算和池化处理
    3.2.1  卷积运算
    3.2.2  池化处理
  3.3  准备2：全连接型神经网络
    3.3.1  基于层次结构的全连接型神经网络的构造及学习方法
    3.3.2  全连接型神经网络的实现
  3.4  卷积神经网络的实现
    3.4.1  卷积神经网络的结构
    3.4.2  由卷积神经网络学习1-of-N表示数据
    3.4.3  基于CNN的单词序列评估
第4章  文本生成与深度学习
  4.1  基于循环神经网络的文本生成
    4.1.1  神经网络和文本生成
    4.1.2  循环神经网络
  4.2  RNN的实现
    4.2.1  RNN程序的设计
    4.2.2  RNN程序的实现
  4.3  基于RNN的文本生成
    4.3.1  基于RNN的文本生成框架
    4.3.2  文本生成实验的实例
附录A  将行的重复次数添加到行首的程序uniqc.c
附录B  按照行首的数值对行进行排序的程序sortn.c
附录C  全连接型神经网络的程序bp.c
参考文献