基于PyTorch的自然语言处理
刘彦君, 周骏萧, 李思雨, 吴豪 译
出版时间：2020年07月
页数：248
“这是一本应用PyTorch探索NLP和深度学习很棒的书。本书作者做了十分卓越的工作，不仅清晰地解释了NLP概念，而且在每一章的代码中进行了演示，从而让我们使用PyTorch来解决实际的NLP任务。”
——Liling Tan
一位来自Rakuten的科学家
自然语言处理（NLP）为解决人工智能问题提供了无限的机会，从而使诸如Amazon Alexa和Google Translate之类的产品成为可能。如果你是初次接触NLP和深度学习的开发人员或数据科学家，本实用指南将向你展示如何使用PyTorch（基于Python的深度学习库）应用这些方法。
两位研究员为你提供了NLP和深度学习算法的坚实基础。他们还演示了如何使用PyTorch来构建应用程序，这些应用程序包含了你所遇到问题的丰富文本表示形式，并且每章都包含多个代码示例和说明。
● 探索计算图和监督学习范式。
● 掌握PyTorch优化张量库的基础。
● 概述传统的NLP概念和方法。
● 学习构建神经网络的基本思想。
● 检查前馈神经网络，例如多层感知器。
● 使用嵌入方式来表示单词、句子、文档等。
● 了解如何使用递归神经网络对序列数据建模。
● 探索序列预测并生成sequence-to-sequence模型。
● 学习用于构建NLP系统的设计模式。
——Liling Tan
一位来自Rakuten的科学家
自然语言处理（NLP）为解决人工智能问题提供了无限的机会，从而使诸如Amazon Alexa和Google Translate之类的产品成为可能。如果你是初次接触NLP和深度学习的开发人员或数据科学家，本实用指南将向你展示如何使用PyTorch（基于Python的深度学习库）应用这些方法。
两位研究员为你提供了NLP和深度学习算法的坚实基础。他们还演示了如何使用PyTorch来构建应用程序，这些应用程序包含了你所遇到问题的丰富文本表示形式，并且每章都包含多个代码示例和说明。
● 探索计算图和监督学习范式。
● 掌握PyTorch优化张量库的基础。
● 概述传统的NLP概念和方法。
● 学习构建神经网络的基本思想。
● 检查前馈神经网络，例如多层感知器。
● 使用嵌入方式来表示单词、句子、文档等。
● 了解如何使用递归神经网络对序列数据建模。
● 探索序列预测并生成sequence-to-sequence模型。
● 学习用于构建NLP系统的设计模式。
- 前言
- 第1章 概述
- 监督学习范式
- 样本和目标编码
- 独热表示（one-hot）
- 词频表示（TF）
- TF-IDF表示
- 目标编码
- 计算图
- PyTorch基础
- 安装PyTorch
- 创建张量
- 张量的类型和大小
- 张量操作
- 索引、切片、连接
- 张量和计算图
- CUDA张量
- 练习题
- 答案
- 小结
- 参考文献
- 第2章 自然语言处理
- 语料库、词和类型
- 一元，二元，三元，…，n元模型
- 词形还原和词干提取
- 文档分类
- 单词分类：词性标注
- 广度分类：分块和命名实体识别
- 句子结构
- 词义与语义
- 小结
- 参考文献
- 第3章 神经网络基础
- 感知器：最简单的神经网络
- 激活函数
- 损失函数
- 深入监督训练
- 辅助训练的概念
- 案例：餐馆评论分类
- 小结
- 参考文献
- 第4章 用于自然语言处理的前馈网络
- 多层感知器
- 示例：用MLP进行姓氏分类
- 卷积神经网络
- 示例：使用CNN对姓氏进行分类
- CNN中的杂项主题
- 小结
- 参考文献
- 第5章 嵌入单词和类型
- 为什么学习嵌入?
- 示例：连续词袋模型的嵌入
- 示例：使用预先训练的嵌入进行文档分类
- 小结
- 参考文献
- 第6章 自然语言处理的序列建模
- 递归神经网络简介
- 示例：使用字符RNN对姓氏国籍进行分类
- 小结
- 参考文献
- 第7章 自然语言处理的中级序列建模
- 普通RNN（或Elman RNN）的问题
- 用门控方法解决普通RNN存在的问题
- 示例：用于生成姓氏的字符RNN
- 训练序列模型的技巧和窍门
- 参考文献
- 第8章 自然语言处理的高级序列建模
- 序列到序列模型，编码器-解码器模型和条件生成
- 从序列中捕获更多信息：双向递归模型
- 从序列中捕获更多信息：注意力
- 评估序列生成模型
- 示例：神经机器翻译
- 小结
- 参考文献
- 第9章 经典，前沿与下一步发展
- 到目前为止，我们学到了什么？
- NLP中的永恒主题
- NLP前沿
- 生产NLP系统的设计模式
- 接下来呢？
- 参考文献
书名：基于PyTorch的自然语言处理
作者：Delip Rao, Brian McMahan 著
译者：刘彦君, 周骏萧, 李思雨, 吴豪 译
国内出版社：中国电力出版社
出版时间：2020年07月
页数：248
书号：978-7-5198-4598-8
原版书书名：Natural Language Processing with PyTorch
原版书出版商：O'Reilly Media
本书封面的动物是戴菊（学名：Regulus goodfellowi），生活在高山的针叶林中。从鸣叫声，外貌和习性上看，这种鸟与亚洲大陆上的其他雀类最为相近。它的物种名称（Goodfellowi）是为了纪念英国野生动植物收藏家和鸟类学家Walter Goodfellow，是他最早对这种鸟进行了科学描述。
戴菊是一种高效的食虫猎手，虽然它只有3~5英寸长，重量仅为四分之一盎司，但它们在树上飞舞时仍保持近乎恒定的运动，在树枝间跳来跳去捕食小昆虫。戴菊的头顶有黑色条纹，顶部有橙黄色的斑点；眼睛周围覆盖着白色羽毛，像戴了面具一样；鸟身侧面为黄色，翅膀则是橄榄色。雄性鸟的橙色羽毛斑块较大，当它们由于领土或繁殖纠纷而发生冲突时，这些羽毛会升起，醒目的火焰色簇也是这种鸟英文命名的来源（Flamecrest）。戴菊不会迁徙，一年四季都留在一个地方，只会根据季节从一个海拔转移到另一个海拔。也许是由于它们栖息的山区较为偏僻，这种鸟类的繁殖习性鲜为人知，仍需研究。
尽管戴菊在其栖息范围内很常见，并且不算是受到威胁的物种，但其栖息范围仅限于受自然保护法保护的山区。山区的自然保护区（仅公园就覆盖了近3000平方英里的面积），不仅使戴菊之类的鸟类受到保护，而且广受登山爱好者和远足爱好者的欢迎。
O’Reilly封面上的许多动物都已濒临灭绝，每一个物种都是这个世界重要的一份子。如果你想了解更多信息，并为它们做些什么的话，请访问：animals.oreilly.com。
戴菊是一种高效的食虫猎手，虽然它只有3~5英寸长，重量仅为四分之一盎司，但它们在树上飞舞时仍保持近乎恒定的运动，在树枝间跳来跳去捕食小昆虫。戴菊的头顶有黑色条纹，顶部有橙黄色的斑点；眼睛周围覆盖着白色羽毛，像戴了面具一样；鸟身侧面为黄色，翅膀则是橄榄色。雄性鸟的橙色羽毛斑块较大，当它们由于领土或繁殖纠纷而发生冲突时，这些羽毛会升起，醒目的火焰色簇也是这种鸟英文命名的来源（Flamecrest）。戴菊不会迁徙，一年四季都留在一个地方，只会根据季节从一个海拔转移到另一个海拔。也许是由于它们栖息的山区较为偏僻，这种鸟类的繁殖习性鲜为人知，仍需研究。
尽管戴菊在其栖息范围内很常见，并且不算是受到威胁的物种，但其栖息范围仅限于受自然保护法保护的山区。山区的自然保护区（仅公园就覆盖了近3000平方英里的面积），不仅使戴菊之类的鸟类受到保护，而且广受登山爱好者和远足爱好者的欢迎。
O’Reilly封面上的许多动物都已濒临灭绝，每一个物种都是这个世界重要的一份子。如果你想了解更多信息，并为它们做些什么的话，请访问：animals.oreilly.com。
购买选项
|
© 2024，奥莱利技术咨询(北京)有限公司。版权所有。 传真: +86-10-88097463 京ICP备05003502号 |
|