第1章 自然语言处理与深度学习 1
1.1自然语言处理 1
1.1.1什么是自然语言处理 1
1.1.2自然语言处理基础 4
1.2深度学习 13
1.2.1人工智能与机器学习 13
1.2.2神经网络 16
1.2.3卷积神经网络和自编码器 22
1.3与自然语言处理相关的深度学习 27
1.3.1自然语言处理与神经网络、深度学习 27
1.3.2用神经网络来表达单词意义 29
1.3.3深度学习应用于自然语言处理 31
第2章 基于文本处理的自然语言处理 32
2.1自然语言文本的文本处理 32
2.1.1文字处理 32
2.1.2单词处理 45
2.1.3 1-of-N表示的处理 54
2.2基于单词2-gram的文本生成 68
第3章 深度学习应用于自然语言文本分析 77
3.1基于CNN的文本分类 77
3.2准备1:卷积运算和池化处理 81
3.2.1卷积运算 81
3.2.2池化处理 90
3.3准备2:全连接型神经网络 96
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 96
3.3.2全连接型神经网络的实现 99
3.4卷积神经网络的实现 102
3.4.1卷积神经网络的结构 102
3.4.2由卷积神经网络学习1-of-N表示数据 103
3.4.3基于CNN的单词序列评估 118
第4章 文本生成与深度学习 133
4.1基于循环神经网络的文本生成 133
4.1.1神经网络和文本生成 133
4.1.2循环神经网络 136
4.2 RNN的实现 139
4.2.1 RNN程序的设计 139
4.2.2 RNN程序的实现 141
4.3基于RNN的文本生成 154
4.3.1基于RNN的文本生成框架 154
4.3.2文本生成实验的实例 160
附录A将行的重复次数添加到行首的程序uniqc.c 167
附录B按照行首的数值对行进行排序的程序sortn.c 169
附录C全连接型神经网络的程序bp.c 171
参考文献 178