将深度学习方法应用于各种自然语言处理任务，可以让你的算法在速度和准确性方面提升到一个全新的水平。本书首先介绍自然语言处理领域的基本构件，着介绍使用*的神经网络模型可以解决的问题。深研究各种神经网络架构及其特定的应用领域将有助于你理解如何选择*模型来满足你的需求。随着学习的深，你将学到卷积神经网络、循环神经网络、递归神经网络以及长短期记忆网络。在后面的章节中，你将能够使用自然语言处理技术（如注意力机制模型和集束搜索）发应用程序。 学完本书，你不仅能具备自然语言处理的基础知识，还能选择适合的文本预处理和神经网络模型来解决一些自然语言处理的问题。 本书能帮助你： 了解深度学习问题的各种预处理技术。 用word2vec和GloVe构建文本的矢量表示。 使用Apache OpenNLP创建命名实体识别器和词性标注器。 在Keras中构建机器翻译模型。 用LSTM发文本生成应用程序。 使用注意力模型构建触发词检测应用程序。 将深度学习方法应用于各种自然语言处理任务，可以让你的算法在速度和准确性方面提升到一个全新的水平。本书首先介绍自然语言处理领域的基本构件，着介绍使用*的神经网络模型可以解决的问题。深研究各种神经网络架构及其特定的应用领域将有助于你理解如何选择*模型来满足你的需求。随着学习的深，你将学到卷积神经网络、循环神经网络、递归神经网络以及长短期记忆网络。在后面的章节中，你将能够使用自然语言处理技术（如注意力机制模型和集束搜索）发应用程序。 学完本书，你不仅能具备自然语言处理的基础知识，还能选择适合的文本预处理和神经网络模型来解决一些自然语言处理的问题。 本书能帮助你： 了解深度学习问题的各种预处理技术。 用word2vec和GloVe构建文本的矢量表示。 使用Apache OpenNLP创建命名实体识别器和词性标注器。 在Keras中构建机器翻译模型。 用LSTM发文本生成应用程序。 使用注意力模型构建触发词检测应用程序。

本书主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的应用。

This book offers a highly accessible introduction to Natural Language Processing, the field that underpins a variety of language technologies, ranging from predictive text and email filtering to automatic summarization and translation. With Natural Language Processing with Python, you'll learn how to write Python programs to work with large collections of unstructured text. You'll access richly-annotated datasets using a comprehensive range of linguistic data structures. And you'll understand the main algorithms for analyzing the content and structure of written communication.
Packed with examples and exercises, Natural Language Processing with Python will help you:
* Extract information from unstructured text, to guess the topic or identify "named entities"
* Analyze linguistic structure in text, including parsing and semantic analysis
* Access popular linguistic databases, including WordNet and treebanks
* Integrate techniques drawn from fields as diverse as linguistics and artificial intelligence
Perfect for individual study, or as a classroom and workshop textbook, this book will help you gain practical skills in Natural Language Processing using the Python programming language and the Natural Language Toolkit (NLTK) open source library.
If you're interested in developing Web applications, analyzing multilingual news sources, documenting endangered languages, or if you are simply curious to have a programmer's perspective on how human language works, you will find Natural Language Processing with Python both fascinating and immensely useful.

Statistical approaches to processing natural language text have become dominant in recent years. This foundational text is the first comprehensive introduction to statistical natural language processing (NLP) to appear. The book contains all the theory and algorithms needed for building NLP tools. It provides broad but rigorous coverage of mathematical and linguistic foundations, as well as detailed discussion of statistical methods, allowing students and researchers to construct their own implementations. The book covers collocation finding, word sense disambiguation, probabilistic parsing, information retrieval, and other applications.

《统计自然语言处理基础：国外计算机科学教材系列》是一本全面系统地介绍统计自然语言处理技术的专著，被国内外许多所著名大学选为计算语言学相关课程的教材。《统计自然语言处理基础：国外计算机科学教材系列》涵盖的内容十分广泛，分为四个部分，共16章，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不同水平的读者群的需求。同时，《统计自然语言处理基础：国外计算机科学教材系列》将理论与实践紧密联系在一起，在介绍理论知识的基础上给出了自然语言处理技术的高层应用（如信息检索等）。在《统计自然语言处理基础：国外计算机科学教材系列》的配套网站上提供了许多相关资源和工具，便于读者结合书中习题，在实践中获得提高。近年来，自然语言处理中的统计学方法已经逐渐成为主流。

本书对自然语言处理中的各种形式模型进行了系统的梳理，分别讨论了基于短语结构语法的形式模型、基于合一运算的形式模型、基于依存和配价的形式模型、基于格语法的形式模型、基于词汇主义的形式模型、语义自动处理的形式模型、语用自动处理的形式模型、隐马尔可夫模型、统计机器翻译的形式模型。
本书说理透彻、语言流畅、实例丰富、深入浅出，适合于从事自然语言处理教学和研究的科研人员、大学师生阅读，也可以作为人工智能、计算语言学等课程的教学参考。

语言渗透到人类生活的各个领域，凡是与人类社会生活有关的一切活动，都不可能没有语言。20世纪以来的现代语言学主要包括哪些流派？这些流派的基本理论和方法是什么？这些流派都有些什么样的著作？代表人物又是谁？……本书将深入浅出地给读者介绍这方面的知识。

《自然语言处理简明教程》，本书系统地阐述了自然语言处理的基本方法，描述了每一种方法的技术原理及操作过程。本书可供计算机科学工作者、人工智能领域工作者、语言学及应用语言学师生阅读与参考。

本书是第一本从各个层面全面介绍语言技术的书，自第1版出版以来，一直好评如潮，被国外许多著名大学选为自然语言处理和计算语言学课程的主要教材。本书将深入的语言分析与健壮的统计方法结合起来，新版更是涉及了大量的现代技术，将自然语言处理、计算语言学以及语音识别等内容融合在一本书中，把各种技术相互联系起来，让读者了解怎样才能最佳地利用每种技术，怎样才能将各种技术结合起来使用。本书写作风格引人入胜，深入技术细节而又不让人感觉枯燥。
本书不仅可以作为高等学校自然语言处理和计算语言学等课程的本科生和研究生教材，对于自然语言处理相关领域的研究人员和技术人员也是不可或缺的权威参考书。

本书重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识，如何将机器学习方法应用在自然语言处理中，以及词向量表示（而不是符号表示）的应用。然后介绍更多专门的神经网络结构，包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。后，讨论树形网络、结构化预测以及多任务学习的前景。