Тушан Ганегедара - Обработка естественного языка с TensorFlow
Название: | Обработка естественного языка с TensorFlow | |
Автор: | Тушан Ганегедара | |
Жанр: | Python | |
Изадано в серии: | неизвестно | |
Издательство: | ДМК Пресс | |
Год издания: | 2020 | |
ISBN: | 978-5-97060-756-5 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Обработка естественного языка с TensorFlow"
TensorFlow – библиотека на языке Python для реализации систем глубокого обучения, позволяющих решать в том числе уникальные задачи по обработке естественного языка. Автор книги излагает общие принципы работы NLP и построения нейронных сетей, описывает стратегии обработки больших объемов данных, а затем переходит к практическим темам. Вы узнаете, как использовать технологию World2vec и ее расширения для создания представлений, превращающих последовательности слов в числовые векторы, рассмотрите примеры решения задач по классификации предложений и генерации текста, научитесь применять продвинутые рекуррентные модели и сможете самостоятельно создать систему нейронного машинного перевода. Издание предназначено для разработчиков, которые, используя лингвистические данные, применяют и совершенствуют методы машинной обработки естественного языка.
Читаем онлайн "Обработка естественного языка с TensorFlow" (ознакомительный отрывок). [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Структурированный алгоритм skip-gram........................................................... 118
Функция потерь.................................................................................................... 119
Модель непрерывного окна................................................................................. 120
GloVe – представление на основе глобальных векторов....................................... 121
Знакомство с GloVe............................................................................................... 121
Реализация алгоритма GloVe............................................................................... 122
Классификация документов с помощью Word2vec................................................ 123
Исходный набор данных...................................................................................... 124
Классификация документов при помощи представлений слов....................... 125
Реализация – изучение представлений слов...................................................... 125
Реализация – от представлений слов к представлениям документов.............. 126
Содержание 7
Кластеризация документов и визуализация представлений............................ 126
Проверка некоторых выбросов............................................................................ 126
Кластеризация/классификация документов с K-средним................................ 129
Заключение............................................................................................................... 130
Глава 5. Классификация предложений с помощью
сверточных нейронных сетей....................................................................... 132
Знакомство со сверточными нейронными сетями................................................ 132
Основы CNN.......................................................................................................... 133
Возможности сверточных нейросетей................................................................ 135
Устройство сверточных нейросетей........................................................................ 136
Операция свертки................................................................................................. 136
Операция субдискретизации............................................................................... 139
Полностью связанные слои.................................................................................. 141
Собираем CNN из компонентов.......................................................................... 142
Упражнение – классификация изображений из набора MNIST............................ 143
Источник данных.................................................................................................. 143
Реализация CNN................................................................................................... 143
Анализ прогнозов, сделанных CNN..................................................................... 146
Классификация предложений с помощью сверточной нейросети....................... 147
Структура нейросети............................................................................................ 147
Растянутая субдискретизация............................................................................. 150
Реализация классификации предложений......................................................... 151
Заключение............................................................................................................... 154
Глава 6. Рекуррентные нейронные сети................................................... 155
Знакомство с рекуррентными нейронными сетями.............................................. 156
Проблема с нейросетью прямого распространения.......................................... 156
Моделирование с помощью рекуррентных нейронных сетей.......................... 157
Устройство рекуррентной нейронной сети в деталях....................................... 159
Обратное распространение во времени................................................................. 160
Как работает обратное распространение........................................................... 160
Почему нельзя использовать простое обратное распространение.................. 161
Обратное распространение во времени и обучение RNN................................. 162
Усеченное обратное распространение во времени............................................ 163
Ограничения BPTT – исчезающие и взрывающиеся градиенты...................... 163
Применение рекуррентных нейросетей................................................................. 165
Один-к-одному..................................................................................................... 166
Один-ко-многим.................................................................................................. 166
Многие-к-одному................................................................................................. 167
Многие-ко-многим............................................................................................... 168
Генерация текста с помощью рекуррентной нейросети........................................ 168
Определение гиперпараметров........................................................................... 169
Распространение входов во времени для усеченного BPTT.............................. 169
Определение набора данных для валидации..................................................... 170
Определение весов и смещений.......................................................................... 170
8 Содержание
Определение переменных состояния................................................................. 171
Вычисление скрытых состояний и выходов с развернутыми входами............ 171
Расчет --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Книги схожие с «Обработка естественного языка с TensorFlow» по жанру, серии, автору или названию:
Уэс Маккинни - Python и анализ данных: Первичная обработка данных с применением pandas, NumPy и Jupiter Жанр: Python Год издания: 2023 |
Николай Иннокентьевич Колотовкин - Учебник латинского языка для высших духовных учебных заведений Жанр: Языкознание Год издания: 2000 |
Роберт Дилтс - Фокусы языка. Изменение убеждений с помощью НЛП Жанр: Психология Год издания: 2010 |