TensorFlow自然语言处理

本书首先介绍NLP和TensorFlow基础知识，然后介绍如何使用Word2vec(包括高级扩展)创建单词嵌，将单词序列转换为可由深度学习算法访问的向量。关于经典深度学习算法的章节，如卷积神经网络(CNN)和递归神经网络(RNN)，展示了句子分类和语言生成等重要的NLP任务。此外还介绍如何将高性能的RNN模型，如长短期记忆(long short memory, LSTM)单元应用于NLP任务，你还将探索神经机器翻译并实现一个神经机器翻译器。
【推荐语】
深度学习应用所使用的大部分数据是由自然语言处理（NLP）提供的，而TensorFlow是目前比较重要的深度学习框架。面对当今巨量数据流中众多的非结构化数据，本书详细讲解如何将TensorFlow与NLP二者结合以提供有效的工具，以及如何将这些工具应用于具体的NLP任务。 本书首先介绍NLP和TensorFlow的基础知识，之后讲解如何使用Word2vec及其高级扩展，以便通过创建词嵌将词序列转换为深度学习算法可用的向量。本书还介绍如何通过卷积神经网络（CNN）和递归神经网络（RNN）等经典深度学习算法执行句子分类和语言生成等重要的NLP任务。你将学习如何在NLP任务中应用高性能的RNN模型（比如长期短期记忆单元），还将认识神经机器翻译，并实现一个神经机器翻译器。 通过阅读本书，你将学到： NLP的核心概念和各种自然语言处理方法 使用TensorFlow函数创建神经网络以完成NLP任务 将海量数据处理成可用于深度学习应用的单词表示 使用CNN和RNN执行句子分类和语言生成 使用*先的RNN（如长期短期记忆）执行复杂的文本生成任务 从头始编写一个真正的神经机器翻译器 未来的NLP趋势和创新
【作者】
图珊·加内格达拉（Thushan Ganegedara）目前是澳大利亚悉尼大学第三年的博士生。他专注于机器学习，喜欢深度学习。他喜欢危险，在未经测试的数据上运行算法。他还是澳大利亚初创公司AssessThreat的首席数据科学家。他在斯里兰卡莫拉图瓦大学获得了理学士学位。他经常撰写有关机器学习的技术文章和教程。此外，他还在日常生活中游泳来努力营造健康的生活方式。