《深度学习进阶：自然语言处理》是《深度学习入门：基于Python 的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过程中更深入地理解深度学习中的重要技术。

豆瓣评分9.4的畅销书《深度学习入门：基于Python的理论与实现》续作，带你快速直达自然语言处理领域！

【本书特色】

·简明易懂

本书内容精炼，聚焦深度学习视角下的自然语言处理，延续前作的行文风格，采用通俗的语言和大量直观的示意图详细讲解，帮助读者加深对深度学习技术的理解，轻松入门自然语言处理。

·侧重原理

不依赖外部库，使用Python 3从零开始创建深度学习程序，通过亲自创建程序并运行，读者可透彻掌握word2vec、RNN、LSTM、GRU、seq2seq和Attention等技术背后的运行原理。

·学习曲线平缓

按照“文字介绍→代码实现→分析结果→发现问题→进行改善”的流程，逐步深入，读者只需具备基础的神经网络和Python知识，即可轻松读懂。

版权声明

O\'Reilly Media, Inc. 介绍

译者序

前言

第 1 章　神经网络的复习

第 2 章　自然语言和单词的分布式表示

第 3 章　word2vec

第 4 章　word2vec的高速化

第 5 章　循环神经网络

第 6 章　Gated RNN

第 7 章　基于 RNN 生成文本

第 8 章　Attention

附录 A　sigmoid 函数和 tanh 函数的导数

附录 B　运行 WordNet

附录 C　GRU

后记

参考文献