自然語言處理與深度學習:通過 C語言模擬 自然语言处理与深度学习:通过C语言模拟

小高知宏

買這商品的人也買了...

商品描述

本書初步探索了將深度學習應用於自然語言處理的方法。概述了自然語言處理的一般概念,通過具體實例說明瞭如何提取自然語言文本的特徵以及如何考慮上下文關系來生成文本。書中自然語言文本的特徵提取是通過捲積神經網絡來實現的,而根據上下文關系來生成文本則利用了循環神經網絡。這兩個網絡是深度學習領域中常用的基礎技術。

作者簡介

小高知宏日本福井大學大學院工學研究科教授。其主要著作有《計算機系統》《從基礎開始學會TCP/IP Java網絡程序設計第2版》《初學AI程序設計——用C語言製作人工智能和人工無能》《初學機器學習》《基於AI的大規模數據處理入門》《人工智能入門》等。

目錄大綱

譯者序
前言
第1章自然語言處理與深度學習1
1.1自然語言處理1
1.1.1什麼是自然語言處理1
1.1.2自然語言處理基礎4
1.2深度學習13
1.2.1人工智能與機器學習13
1.2 .2神經網絡16
1.2.3卷積神經網絡和自編碼器22
1.3與自然語言處理相關的深度學習27
1.3.1自然語言處理與神經網絡、深度學習27
1.3.2用神經網絡來表達單詞意義29
1.3.3深度學習應用於自然語言處理31
第2章基於文本處理的自然語言處理32
2.1自然語言文本的文本處理32
2.1.1文字處理32
2.1.2單詞處理45
2.1.3 1-of- N表示的處理54
2.2基於單詞2-gram的文本生成68
第3章深度學習應用於自然語言文本分析77
3.1基於CNN的文本分類77
3.2準備1:卷積運算和池化處理81
3.2.1卷積運算81
3.2.2池化處理90
3.3準備2:全連接型神經網絡96
3.3.1基於層次結構的全連接型神經網絡的構造及學習方法96
3.3.2全連接型神經網絡的實現99
3.4卷積神經網絡的實現102
3.4.1卷積神經網絡的結構102
3.4.2由卷積神經網絡學習1-of-N表示數據103
3.4.3基於CNN的單詞序列評估118
第4章文本生成與深度學習133
4.1基於循環神經網絡的文本生成133
4.1.1神經網絡和文本生成133
4.1.2循環神經網絡136
4.2 RNN的實現139
4.2.1 RNN程序的設計139
4.2.2 RNN程序的實現141
4.3基於RNN的文本生成154
4.3.1基於RNN的文本生成框架154
4.3.2文本生成實驗的實例160
附錄A將行的重複次數添加到行首的程序uniqc.c167
附錄B按照行首的數值對行進行排序的程序sortn.c169
附錄C全連接型神經網絡的程 序bp.c171
參考文獻178