TensorFlow自然语言处理及应用
50多个实例讲述TensorFlow与自然语言分析所需知识,零基础者可快速上手,提供程序代码和教学课件

作者:李炳银

丛书名:人工智能科学与技术丛书

定价:69元

印次:1-1

ISBN:9787302673743

出版日期:2024.10.01

印刷日期:2024.10.12

图书责编:刘星

图书分类:零售

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

"《TensorFlow自然语言处理及应用》以TensorFlow为平台,讲述TensorFlow与自然语言的技术及开发。书中每章都以理论开始,以TensorFlow应用及自然语言分析结束,将理论与实践相结合,让读者可以快速掌握TensorFlow与自然语言分析。本书共9章,主要内容为TensorFlow与编程、自然语言处理与深度学习基础、神经网络算法基础、词嵌入、卷积神经网络分析与文本分类、几种经典的卷积神经网络、循环神经网络及语言模型、长短期记忆及自动生成文本、其他网络的经典分析与应用。 《TensorFlow自然语言处理及应用》注重应用,实例丰富,可作为高等院校人工智能相关专业的教材,也可作为研究TensorFlow与自然语言分析的广大科研人员、学者、工程技术人员的参考书籍。"

李炳银 单位:佛山科学技术学院 机电工程与自动化学院 职务、职称:讲师 性别:男 年龄:51 专业:自动化 学历:硕士 研究领域:机器视觉、嵌入式系统、计算机检测与控制 研究成果:主持及参与省级市级课题。

前言 PREFACE 近年来,随着机器学习和深度学习的发展,TensorFlow作为它们的开源框架,也得到了快速发展。TensorFlow的核心组件包括分发中心、执行器、内核应用和设备层,它的工作原理是基于数据流图和计算图的相互转化过程。 TensorFlow的前身是DistBelief神经网络算法库,它的功能是构建各尺度下的神经网络分布式学习和交互系统,也被称为“第一代机器学习系统”。随着时间的推移,DistBelief逐渐发展并应用于许多谷歌产品中,包括语言识别、图像识别、自然语言处理等。随着异构硬件和多核在CPU上运行效率的需求,TensorFlow应运而生。由于TensorFlow灵活高效且支持各种不同类型的硬件,故其在各领域中得到了广泛的应用。 随着计算机和互联网的广泛应用,计算机可处理的自然语言文本数量空前增长,面向海量信息的文本挖掘、信息提取、跨语言信息处理、人工交互等应用需求急速增长,自然语言处理研究必将对人们的生活产生深远的影响。自然语言处理是人工智能中最困难的问题之一,对自然语言处理的研究是充满魅力与挑战的,其中汉语相对于其他语种更复杂,更难以分析。 近年来自然语言处理(NLP)技术已经取得了阶段性进展,在电商、金融、翻译、旅游等行业有了广泛应用,应用场景涵盖语音交互、文本分类、图像识别等。在深度学习技术的驱动下,自然语言处理技术应用又上了一个新台阶。TensorFlow作为广泛使用的深度学习框架,在自然语言处理领域得到了广泛应用。之所以结合TensorFlow进行自然语言处理,是因为TensorFlow完全绑定兼容Python,即具备Python...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情
目录

CONTENTS

第1章 TensorFlow与编程 1

1.1 语言与系统的支持 1

1.2 TensFlow的特点 2

1.3 TensorFlow的环境搭建 3

1.3.1 安装环境介绍 3

1.3.2 安装TensorFlow 5

1.3.3 安装测试 6

1.4 张量 7

1.4.1 张量的概念 7

1.4.2 张量的使用 8

1.4.3 NumPy库 9

1.4.4 张量的阶 10

1.4.5 张量的形状 10

1.5 认识变量 11

1.5.1 变量的创建 11

1.5.2 变量的初始化 19

1.6 矩阵的操作 21

1.6.1 矩阵的生成 22

1.6.2 矩阵的变换 25

1.7 图的实现 31

1.8 会话的实现 34

1.9 读取数据方式 36

1.9.1 列表格式 37

1.9.2 读取图像数据 38

第2章 自然语言处理与深度学习基础 40

2.1 自然语言概述 40

2.1.1 自然语言处理面临的困难 40

2.1.2 自然语言处理的发展趋势 41

2.1.3 自然语言处理的特点 42

2.2 NLP技术前沿与未来趋势 43

2.2.1 挑战与突破 43

2.2.2 人机交互的未来 43

2.2.3 未来发展趋势与展望 44

2.2.4 技术挑战与解决路径 44

2.3 深度学习 44

2.3.1 深度学习背景 45

2.3.2 深度学习的核心思想 46

2.3.3 深度学习的应用 47

2.4 深度学习的优势与劣势 51

第3章 神经网络算法基础 52

3....

"每章都以理论开始,以 TensorFlow 应用及自然语言分析结束,将理论与实践相结合,让读者可以快速掌握 TensorFlow 与自然语言分析。
由浅入深,循序渐进  首先介绍 TensorFlow 框架本身的特点与编程实现,然后介绍NLP在TensorFlow中的实现,包括词嵌入的各种方法、CNN/RNN/LSTM 的 TensorFlow实现及应用、LSTM在文本生成中的应用等。
注重应用,实例丰富  给出了50多个实例,采用 TensorFlow 代码实现自然语言处理,可使读者更容易理解自然语言处理技术的原理。
对比学习,视角直观  使用同一组数据集分析不同实例,利用不同方法进行求解,比较各种方法的求解结果,通过对比学习,读者能够更直观地感受各方法的优缺点。
资源丰富,便于教学  为了便于教师教学,提供程序代码、教学课件等教学资料,获取方式详见前言。"