การประมวลผลภาษาธรรมชาติด้วย pytorch
สร้างแอพพลิเคชั่นภาษาอัจฉริยะโดยใช้การเรียนรู้อย่างลึกซึ้ง
โดย Delip Rao และ Brian McMahan
ยินดีต้อนรับ. นี่คือที่เก็บสหายสำหรับการประมวลผลภาษาธรรมชาติด้วย Pytorch: สร้างแอพพลิเคชั่นภาษาอัจฉริยะโดยใช้การเรียนรู้อย่างลึกซึ้ง
สารบัญ
- เริ่มต้น!
- บทที่ 1: บทนำ
- บทที่ 2: ทัวร์ NLP อย่างรวดเร็ว
- บทที่ 3: องค์ประกอบพื้นฐานของเครือข่ายประสาท
- ตัวอย่างในข้อความ
- ดำน้ำลึกลงไปในการฝึกอบรมภายใต้การดูแล
- การจำแนกความเชื่อมั่นของรีวิวร้านอาหารโดยใช้ Perceptron
- บทที่ 4: เครือข่ายฟีดไปข้างหน้าสำหรับ NLP
- ข้อ จำกัด ของ perceptron
- แนะนำ Perceptrons หลายชั้น (MLPS)
- แนะนำเครือข่ายประสาท (CNNS)
- การจำแนกนามสกุลด้วย MLP
- การจำแนกประเภทนามสกุลกับ CNN
- บทที่ 5: การฝังคำและประเภท
- ใช้การฝังตัวก่อน
- การเรียนรู้การฝังกระเป๋าอย่างต่อเนื่อง (CBOW)
- ถ่ายโอนการเรียนรู้โดยใช้การฝังตัวที่ผ่านการฝึกอบรมล่วงหน้า
- บทที่ 6: การสร้างแบบจำลองลำดับสำหรับ NLP
- การแสดงลำดับสำหรับนามสกุล
- บทที่ 7: การสร้างแบบจำลองลำดับกลางสำหรับ NLP
- การสร้างนามสกุลใหม่จากการเป็นตัวแทนลำดับ
- รุ่นที่ไม่มีเงื่อนไข
- รุ่นที่มีเงื่อนไข
- บทที่ 8: การสร้างแบบจำลองลำดับขั้นสูงสำหรับ NLP
- ทำความเข้าใจกับลำดับ
- ลำดับการเรียนรู้ลำดับ
- ความสนใจ
- การแปลเครื่องประสาท
- บทที่ 9: คลาสสิก, พรมแดน, ขั้นตอนต่อไป