#每日一书#
9.23 自然语言处理与深度学习
自然语言处理与深度学习-通过C语言模拟
这本书拿到手上2018年,我其实挺喜欢日本人写的书的,主要是结构清晰,很多书都偏入门,但是解释得很清楚。
这本书分为4章来介绍NLP入门的一些知识,关键是用C语言来完整的实现了。
首先,介绍了自然语言处理的一些基本知识。包括n-gram文法,morphological文本切分等内容。其次,介绍了深度学习的一些基本知识。包括CNN卷积神经网络,AE自动编码器等。最后,介绍了与自然语言处理相关的一些深度学习知识。包括在自然语言处理中常用的词表示和RNN等。
第二章,主要是介绍了自然语言处理中的文本预处理与表示的相关话题。包括1-of-N, bag of words,2-gram等表示方法,以及基于2-gram进行了文本生成,来加深对本章内容的理解。
第三章,主要是介绍了基于CNN处理相关文本的方法。对比第二章中的词和文本表示方法,介绍了层次前馈神经网络在文本表示和生成的些许优势。
第四章,主要是介绍了基于RNN处理相关文本的方法。对比第三章中基于CNN的方法,RNN考虑了上下文,更加适合文本生成的任务。
虽然说是2018年的内容,在现在BERT的时代,还是有一些过时,但是你要学习用C来处理数据,来做一些模型的话,这本书还是可以看看,跑跑代码也是挺好的。
当然现在基本都是用Python来处理数据,C++更多的是来做工程落地,你想用下C来做也可以,你也可以试试用Rust。
9.23 自然语言处理与深度学习
自然语言处理与深度学习-通过C语言模拟
这本书拿到手上2018年,我其实挺喜欢日本人写的书的,主要是结构清晰,很多书都偏入门,但是解释得很清楚。
这本书分为4章来介绍NLP入门的一些知识,关键是用C语言来完整的实现了。
首先,介绍了自然语言处理的一些基本知识。包括n-gram文法,morphological文本切分等内容。其次,介绍了深度学习的一些基本知识。包括CNN卷积神经网络,AE自动编码器等。最后,介绍了与自然语言处理相关的一些深度学习知识。包括在自然语言处理中常用的词表示和RNN等。
第二章,主要是介绍了自然语言处理中的文本预处理与表示的相关话题。包括1-of-N, bag of words,2-gram等表示方法,以及基于2-gram进行了文本生成,来加深对本章内容的理解。
第三章,主要是介绍了基于CNN处理相关文本的方法。对比第二章中的词和文本表示方法,介绍了层次前馈神经网络在文本表示和生成的些许优势。
第四章,主要是介绍了基于RNN处理相关文本的方法。对比第三章中基于CNN的方法,RNN考虑了上下文,更加适合文本生成的任务。
虽然说是2018年的内容,在现在BERT的时代,还是有一些过时,但是你要学习用C来处理数据,来做一些模型的话,这本书还是可以看看,跑跑代码也是挺好的。
当然现在基本都是用Python来处理数据,C++更多的是来做工程落地,你想用下C来做也可以,你也可以试试用Rust。