图灵汇官网

推荐一本关于深度学习与自然语言处理的教材

本文推荐一本由佐治亚理工学院交互计算学院的Jacob Eisenstein副教授在2018年末发布的教材。该书从基础开始，系统地介绍了自然语言处理的基础知识，并结合了最新的深度学习技术，详细探讨了深度学习技术在自然语言处理多个领域的应用。

主要内容

学习

• 线性文本分类：介绍如何利用线性模型对文本进行分类。
• 非线性分类：讨论使用非线性模型进行文本分类的方法。
• 分类的语言学应用：探索分类技术在语言学上的具体应用。

序列与树

• 语言模型：讲解如何构建有效的语言模型。
• 序列标注：介绍如何对序列数据进行标注。
• 序列标注的应用：展示序列标注在不同场景下的实际应用。
• 形式语言理论：探讨形式语言理论的基本概念。
• 上下文无关分析：解释如何进行上下文无关分析。
• 依存关系分析：描述如何进行依存关系分析。

意义

• 逻辑语义学：讨论逻辑语义学的基本原理。
• 谓词-论元语义学：解释谓词-论元语义学的概念。
• 分布语义学和分布式语义学：介绍这两种语义学的区别和联系。
• 指代消解：探讨如何解决文本中的指代问题。
• 话语分析：讲解如何进行话语分析。

应用

• 信息抽取：介绍如何从文本中提取有用的信息。
• 机器翻译：讨论机器翻译的技术和方法。
• 文本生成：探讨如何生成高质量的文本。

目录

本书的目录如下：

• 第一部分：学习
• 第二部分：序列与树
• 第三部分：意义
• 第四部分：应用

往期内容推荐

以下是几篇相关领域的高质量文章和资源推荐：

• 李宏毅教授的《深度学习与生成对抗网络基础》课程
• 基于预训练模型加速模型学习的六点建议
• ACL 2018年度论文分类汇总
• 深度学习带来的最令人兴奋的变化
• TensorFlow开发者峰会2018视频分享
• Richard S. Sutton教授的强化学习教程
• 精品论文周报
• ICLR 2018精选论文解读
• 深度学习在自然语言处理中的应用综述
• 斯坦福大学深度学习基础课程

希望以上推荐能为您的学习和研究提供帮助。