Învățarea profundă pentru procesarea limbajului natural

Recenzii ale cititorilor

Cartea oferă o prezentare generală fundamentală a metodelor de învățare profundă în procesarea limbajului natural (NLP), acoperind subiecte precum reprezentarea textului, abordări de modelare și mecanisme de atenție. Cu toate acestea, are dezavantaje semnificative, inclusiv acoperirea superficială a subiectelor, lipsa exemplelor utilizabile din cauza lipsei seturilor de date și practicile slabe de codificare Python.

Prezentare generală bună a aplicațiilor de învățare profundă în NLP, concepte bine explicate ale TensorFlow, acoperire unică a învățării multitask.

Informații învechite, lipsește un depozit GitHub însoțitor, acoperire superficială a subiectelor în comparație cu alte resurse, greșeli de cod și practici de codificare prost explicate și nicio aderență la convențiile standard de codificare Python.

(pe baza a 3 recenzii ale cititorilor)

Titlul original:

Deep Learning for Natural Language Processing

Conținutul cărții:

Explorați cele mai provocatoare probleme ale procesării limbajului natural și aflați cum să le rezolvați cu ajutorul învățării profunde de ultimă generație!

În Deep Learning for Natural Language Processing veți găsi o multitudine de informații despre NLP, inclusiv:

O prezentare generală a NLP și a învățării profunde.

Reprezentări de text one-hot.

Încorporări de cuvinte.

Modele pentru similaritatea textuală.

NLP secvențial.

Etichetarea rolurilor semantice.

NLP bazat pe memoria profundă.

Structura lingvistică.

Hyperparametri pentru NLP profund.

Învățarea profundă a avansat procesarea limbajului natural la noi niveluri interesante și la noi aplicații puternice! Pentru prima dată, sistemele informatice pot atinge niveluri "umane" de rezumare, creare de conexiuni și alte sarcini care necesită înțelegere și context. Deep Learning for Natural Language Processing dezvăluie tehnicile revoluționare care fac posibile aceste inovații. Stephan Raaijmakers își distilează cunoștințele vaste în cele mai bune practici utile, aplicații din lumea reală și mecanismele interne ale algoritmilor NLP de top.

Achiziționarea cărții tipărite include o carte electronică gratuită în format PDF, Kindle și ePub de la Manning Publications.

Despre tehnologie.

Învățarea profundă a transformat domeniul procesării limbajului natural. Rețelele neuronale recunosc nu doar cuvinte și fraze, ci și modele. Modelele deduc sensul din context și determină tonul emoțional. Modelele NLP puternice bazate pe învățarea profundă deschid o mină de aur de potențiale utilizări.

Despre carte.

Deep Learning for Natural Language Processing vă învață cum să creați aplicații NLP avansate folosind Python și biblioteca de deep learning Keras. Veți învăța să utilizați instrumente și tehnici de ultimă generație, inclusiv BERT și XLNET, învățare multitask și NLP bazat pe memorie profundă. Exemplele fascinante vă oferă experiență practică cu o varietate de aplicații NLP din lumea reală. În plus, discuțiile detaliate de cod vă arată exact cum să adaptați fiecare exemplu la propriile dvs. utilizări!

Ce este în interior.

Îmbunătățiți răspunsul la întrebări cu NLP secvențial.

Creșteți performanța cu învățarea lingvistică multitask.

Interpretați cu acuratețe structura lingvistică.

Stăpâniți multiple tehnici de încorporare a cuvintelor.

Despre cititor.

Pentru cititori cu abilități Python intermediare și cunoștințe generale de NLP. Nu este necesară experiență cu învățarea profundă.

Despre autor.

Stephan Raaijmakers este profesor de inteligență artificială comunicativă la Universitatea Leiden și om de știință senior la Organizația Olandeză pentru Cercetare Științifică Aplicată (TNO).

Tabla de conținut.

PARTEA 1 INTRODUCERE.

1 Învățarea profundă pentru NLP.

2 Învățarea profundă și limbajul: Noțiuni de bază.

3 Încorporarea textului.

PARTEA 2 NLP PROFUND.

4 Similaritate textuală.

5 NLP secvențial.

6 Memoria episodică pentru NLP.

PARTEA 3 SUBIECTE AVANSATE.

7 Atenție.

8 Învățarea multitask.

9 Transformatoare.

10 Aplicații ale transformatoarelor: aplicații practice cu BERT.