TensorFlow与自然语言处理应用

TensorFlow与自然语言处理应用读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图自然语言处理自然语言处理计算机自然语言应用基础神经网络文本深度模型第章分析情感生成系统机器翻译工作词梯度本书关键字分析思维导图内容摘要内容摘要自然语言处理（NLP）是计算机科学、人工智能、语言学**计算机和人类（自然）语言之间的相互作用的领域。自然语言处理是机器学习的应用之一，用于分析、理解和生成自然语言，它与人机交互有关，最终实现人与计算机之间更好的交流。本书分为12章，内容包括自然语言处理基础、深度学习基础、TensorFlow、词嵌入（WordEmbedding）、卷积神经网络（CNN）与句子分类、循环神经网络（RNN）、长短期记忆（LSTM）、利用LSTM实现图像字幕自动生成、情感分析、机器翻译及智能问答系统。本书适合TensorFlow自然语言处理技术的初学者、NLP应用开发人员、NLP研究人员，也适合高等院校和培训学校相关专业的师生教学参考。目录分析1.1认识自然语言处理1.2自然语言处理方面的任务1.3第一阶段：偏理论的理性主义1.4第二阶段：偏实践应用的经验主义1.5第三阶段：深度学习阶段12345第1章自然语言处理基础1.6NLP中深度学习的局限性1.7NLP的应用场景1.8NLP的发展前景1.9总结第1章自然语言处理基础2.1深度学习介绍2.3神经网络介绍2.2深度学习演变简述第2章深度学习基础2.4神经网络的基本结构2.5两层神经网络（多层感知器）2.6多层神经网络（深度学习）2.7编码器－解码器网络第2章深度学习基础2.8随机梯度下降2.10总结2.9反向传播第2章深度学习基础3.1TensorFlow概念解读3.2TensorFlow主要特征3.3TensorFlow安装3.4TensorFlow计算图第3章TensorFlow3.5TensorFlow张量和模型会话3.6TensorFlow工作原理3.7通过一个示例来认识TensorFlow3.8TensorFlow客户端第3章TensorFlow3.9TensorFlow中常见元素解读3.10变量作用域机制3.11实现一个神经网络3.12总结第3章TensorFlow4.1分布式表示4.2Word2vec模型（以Skip-Gram为例）4.3原始Skip-Gram模型和改进Skip-Gram模型对比分析4.4CBOW模型4.5Skip-Gram和CBOW对比12345第4章词嵌入4.6词嵌入算法的扩展4.7结构化Skip-Gram和连续窗口模型4.8GloVe模型4.9使用Word2Vec进行文档分类4.10总结12345第4章词嵌入5.1认识卷积神经网络5.2输入层5.3卷积运算层5.4激活函数第5章卷积神经网络与句子分类5.5池化层5.6全连接层5.7整合各层并使用反向传播进行训练5.8常见经典卷积神经网络第5章卷积神经网络与句子分类5.9利用CNN对MNIST数据集进行图片分类5.11总结5.10利用CNN进行句子分类第5章卷积神经网络与句子分类6.1计算图及其展开6.2RNN解读6.3通过时间的反向传播算法6.4RNN的应用类型第6章循环神经网络6.5利用RNN生成文本6.6输出新生成的文本片段6.7评估RNN的文本结果输出6.8困惑度——文本生成结果质量的度量6.9具有上下文特征的循环神经网络——RNN-CF12345第6章循环神经网络6.11总结6.10使用RNN-CF生成的文本第6章循环神经网络7.1LSTM简述7.2LSTM工作原理详解7.3LSTM与标准RNN的区别7.4LSTM如何避免梯度消失和梯度爆炸问题第7章长短期记忆7.5优化LSTM7.7总结7.6LSTM的其他变体第7章长短期记忆8.1文本到文本的生成8.2意义到文本的生成8.3数据到文本的生成8.4文本自动生成前的数据准备第8章利用LSTM自动生成文本8.5实现LSTM8.6标准LSTM与带有窥视孔连接和GRU的LSTM的比较8.7优化LSTM——集束搜索8.8改进LSTM——使用词而不是n-gram生成文本8.9使用TensorFlowRNNAPI8.10总结010302040506第8章利用LSTM自动生成文本9.1简要介绍9.2发展背景9.3利用深度学习框架从图像中生成字幕9.4评估指标和基准9.5近期研究12345第9章利用LSTM实现图像字幕自动生成9.6图像字幕的产业布局9.8总结9.7详解图像字幕自动生成任务第9章利用LSTM实现图像字幕自动生成10.1认识情感分析10.2情感分析的问题10.3情感文档分类10.4句子主观性与情感分类第10章情感分析10.5基于方面（Aspect）的情感分析10.6情感词典生成10.7意见摘要10.8比较观点分析10.9意见搜索10.10垃圾评论检测010302040506第10章情感分析10.11评论的质量10.13总结10.12利用TensorFlow进行中文情感分析实现第10章情感分析11.1机器翻译简介11.3统计机器翻译11.2基于规则的翻译第11章机器翻译11.4神经网络机器翻译11.5神经网络机器翻译（NMT）系统的前期准备工作11.6BLEU评分——评估机器翻译系统11.7完整实现神经网络机器翻译——德语到英语翻译11.8结合词向量训练神经网络机器翻译系统12345第11章机器翻译11.9优化神经网络机器翻译系统11.10实现注意力机制11.11可视化源语句和目标语句的注意力11.12历史性突破——BERT模型11.13总结12345第11章机器翻译12.1概要12.2基于知识库的问答12.3机器理解中的深度学习12.4利用TensorFlow实现问答任务12.5总结12345第12章智能问答系统作者介绍同名作者介绍这是《TensorFlow与