1、封面介绍
2、出版时间
2020年10月
3、推荐理由
本书是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：第一部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。
本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。
本书是Python开发人员入门自然语言处理必备，现代自然语言处理领域从业者的实用参考指南，小米AI实验室NLP团队献译。
本书是构建能够阅读和解释人类语言的机器的实用指南；读者可以使用现有的Python 包来捕获文本的含义并相应地做出响应；本书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题；
深度学习领域的NLP进展使各类应用能够极其精准地理解文本和语音。其结果是，聊天机器人能够模仿真人筛选出与职位高度匹配的简历，完成卓越的预测性搜索，自动生成文档摘要——所有这些都能够以很低的成本实现。新技术的发展连同Keras 和TensorFlow之类的易用工具的出现，使专业品质的自然语言处理（NLP）比以往任何时候都更容易实现。
本书主要内容：
（1）Keras、TensorFlow、gensim和 scikit-learn等工具的使用。
（2）基于规则的自然语言处理和基于数据的自然语言处理。
（3）可扩展的自然语言处理流水线。
阅读本书，读者需要对深度学习的知识有基本的了解，并具有中等水平的Python 编程技能。
4、下载链接
由于版权的原因，不再对外公开，仅限内部学习和交流使用。
