Verarbeitung natürlicher Sprache mit Pytorch
Erstellen Sie intelligente Sprachanwendungen mit Deep Learning
Von Delip Rao und Brian McMahan
Willkommen. Dies ist ein Begleitrepository für die Buchverarbeitung natürlicher Sprache mit Pytorch: Erstellen intelligenter Sprachanwendungen mit Deep Learning.
Inhaltsverzeichnis
- Beginnen Sie an!
- Kapitel 1: Einführung
- Kapitel 2: Eine kurze Tour durch NLP
- Kapitel 3: Grundlagenkomponenten neuronaler Netze
- In-Text-Beispiele
- Tief tief in das überwachte Training eintauchen
- Klassifizierung des Gefühls von Restaurantbewertungen mit einem Perceptron
- Kapitel 4: Feed-Forward-Netzwerke für NLP
- Einschränkungen der Wahrnehmung
- Einführung mehrschichtiger Perzeptrons (MLPs)
- Einführung von Faltungsnetzwerken (CNNs)
- Nachname -Klassifizierung mit einem MLP
- Nachname -Klassifizierung mit einem CNN
- Kapitel 5: Wörter und Typen einbetten
- Mit vorbereiteten Einbettungen
- Lerndauerbühne Einbettung (CBOW)
- Übertragen Sie das Lernen mit vorgeborenen Einbettungen
- Kapitel 6: Sequenzmodellierung für NLP
- Eine Sequenzdarstellung für Nachnamen
- Kapitel 7: Zwischensequenzmodellierung für NLP
- Erzeugen neuer Nachnamen aus Sequenzdarstellungen
- Bedingungslose Erzeugung
- Konditionierte Generation
- Kapitel 8: Erweiterte Sequenzmodellierung für NLP
- Verpackungssequenzen verstehen
- Sequenzlernsequenz
- Aufmerksamkeit
- Neuralmaschinenübersetzung
- Kapitel 9: Klassiker, Grenzen, nächste Schritte
