Обработка естественного языка в действии

ПредисловиеВступлениеБлагодарностиОб этой книгеЧасть I. Машины для обработки словГлава 1. Знакомство с технологией NLPГлава 2. Составление словаря: токенизация словГлава 3. Арифметика слов: векторы TF-IDFГлава 4. Поиск смысла слов по их частотностям: семантический анализЧасть II. Более глубокое обучение: нейронные сетиГлава 5. Первые шаги в нейронных сетях: перцептроны и методобратного распространения ошибкиГлава 6. Умозаключения на основе векторов слов (Word2vec)Глава 7. Сверточные нейронные сетиГлава 8. Нейронные сети с обратной связью: рекуррентные нейронныесетиГлава 9. Эффективное сохранение информации с помощью сетей сдолгой краткосрочной памятьюГлава 10. Модели sequence-to-sequence и механизм вниманияЧасть III. Поговорим серьезно. Реальные задачи NLPГлава 11. Выделение информации: выделение поименованных сущностейи формирование ответов на вопросыГлава 12. Начинаем общаться: диалоговые системыГлава 13. Масштабирование: оптимизация, распараллеливание иобработка по батчамПриложенияПриложение A. Инструменты для работы с NLPПриложение Б. Эксперименты с Python и регулярные выраженияПриложение В. Векторы и матрицы: базовые элементы линейной алгебрыПриложение Г. Инструменты и методы машинного обученияПриложение Д. Настройка GPU на AWSПриложение Е. Хеширование с учетом локальностиИсточники информацииГлоссарий

Последние достижения в области глубокого обучения позволяют создавать приложения, с исключительной точностью распознающие текст и речь. Что в результате? Появляются чат-боты, ведущие диалог не хуже реальных людей, программы, эффективно подбирающие резюме под заданную вакансию, развивается превосходный предиктивный поиск, автоматически генерируются аннотации документов. Благодаря новым приемам и инструментам, таким как Keras и Tensorflow, сегодня возможно как никогда просто реализовать качественную обработку естественного языка (NLP).«Обработка естественного языка в действии» станет вашим руководством по созданию программ, способных распознавать и интерпретировать человеческий язык. В издании рассказано, как с помощью готовых пакетов на языке Python извлекать из текста смыслы и адекватно ими распоряжаться. В книге дается расширенная трактовка традиционных методов NLP, что позволит задействовать нейронные сети, современные алгоритмы глубокого обучения и генеративные приемы при решении реальных задач, таких как выявление дат и имен, составление текстов и ответов на неожиданные вопросы.