自然語言處理是人工智能領域的一個重要的研究方向，是計算機科學與語言學的交叉學科。隨著互聯網的快速發(fā)展，網絡文本尤其是用戶生成的文本呈爆炸性增長，為自然語言處理帶來了巨大的應用需求。但是由于自然語言具有歧義性、動態(tài)性和非規(guī)范性，同時語言理解通常需要豐富的知識和一定的推理能力，為自然語言處理帶來了極大的挑戰(zhàn)。近年來如火如荼的深度學習技術為解決自然語言處理問題的解決提供了一種可能的思路，已成為有效推動自然語言處理技術發(fā)展的變革力量。

《基于深度學習的自然語言處理》系統(tǒng)闡述將深度學習技術應用于自然語言處理的方法和技術，深入淺出地介紹了深度學習的基本知識及各種常用的網絡結構，并重點介紹了如何使用這些技術處理自然語言。

本書主要面向高等院校自然語言處理和機器學習方向的研究生，也適合自然語言處理或機器學習領域的研究人員以及工業(yè)界從事智能相關領域呀發(fā)的專業(yè)人員閱讀參考。

目錄

第1章引言
第2章學習基礎與線性模型
第3章從線性模型到多層感知器
第4章前饋神經網絡
第5章神經網絡訓練
第二部分處理自然語言數據
第6章文本特征構造
第7章NLP特征的案例分析
第8章從文本特征到輸入
第9章語言模型
第10章預訓練的詞表示
第11章使用詞嵌入
第12章案例分析:一種用于句子意義推理的前饋結構
第三部分特殊的結構
第13章n元語法探測器：卷積神經網絡
第14章循環(huán)神經網絡：序列和棧建模
第15章實際的循環(huán)神經網絡結構
第16章通過循環(huán)網絡建模
第17章條件生成
第四部分其他主題
第18章用遞歸神經網絡對樹建模
第19章結構化輸出預測
第20章級聯、多任務與半監(jiān)督學習
第21章結論