译者序
前言
致谢
关于作者
关于技术审校人员
第1章 自然语言处理和深度学习概述
1.1 Python包
1.1.1 NumPy
1.1.2 Pandas
1.1.3 SciPy
1.2 自然语言处理简介
1.2.1 什么是自然语言处理
1.2.2 如何理解人类的语言
1.2.3 自然语言处理的难度是什么
1.2.4 我们想通过自然语言处理获得什么
1.2.5 语言处理中的常用术语
1.3 自然语言处理库
1.3.1 NLTK
1.3.2 TextBlob
1.3.3 SpaCy
1.3.4 Gensim
1.3.5 Pattem
1.3.6 Stanford CoreNLP
1.4 NLP入门
1.4.1 使用正则表达式进行文本搜索
1.4.2 将文本转换为列表
1.4.3 文本预处理
1.4.4 从网页中获取文本
1.4.5 移除停止词
1.4.6 计数向量化
1.4.7 TF-IDF分数
1.4.8 文本分类器
1.5 深度学习简介
1.6 什么是神经网络
1.7 神经网络的基本结构
1.8 神经网络的类型
1.8.1 前馈神经网络
1.8.2 卷积神经网络
1.8.3 循环神经网络
1.8.4 编码器一解码器网络
1.8.5 递归神经网络
1.9 多层感知器
1.10 随机梯度下降
1.11 反向传播
1.12 深度学习库
1.12.1 Theano
1.12.2 Theano安装
1.12.3 Theano示例
1.12.4 TensorFlow
1.12.5 数据流图
1.12.6 TensorFlow安装
1.12.7 TensorFlow示例
1.12.8 Keras
1.13 下一步
第2章 词向量表示
2.1 词嵌入简介
2.2 word2vec
2.2.1 skip-gram模型
2.2.2 模型成分：架构
2.2.3 模型成分：隐藏层
2.2.4 模型成分：输出层
2.2.5 CBOW模型
2.3 频繁词二次采样
2.4 word2vec代码
2.5 skip-gram代码
2.6 CBOW代码
2.7 下一步
第3章 展开循环神经网络
3.1 循环神经网络
3.1.1 什么是循环
3.1.2 前馈神经网络和循环神经网络之间的差异
3.1.3 RNN基础
3.1.4 自然语言处理和RNN
3.1.5 RNN的机制
3.1.6 训练RNN
3.1.7 RNN中隐藏状态的元意义
3.1.8 调整RNN
3.1.9 LSTM网络
3.1.10 序列到序列模型
3.1.11 高级seq2seq模型
3.1.12 序列到序列用例
3.2 下一步
第4章 开发聊天机器人
4.1 聊天机器人简介
4.1.1 聊天机器人的起源
4.1.2 聊天机器人如何工作
4.1.3 为什么聊天机器人拥有如此大的商机
4.1.4 开发聊天机器人听起来令人生畏
4.2 对话型机器人
4.3 聊天机器人：自动文本生成
4.4 下一步
第5章 实现研究论文：情感分类
5.1 基于自注意力机制的句子嵌入
5.1.1 提出的方法
5.1.2 可视化
5.1.3 研究发现
5.2 实现情感分类
5.3 情感分类代码
5.4 模型结果
5.5 可提升空间
5.6 下一步

帕拉什·戈雅尔、苏米特·潘迪、卡兰·贾恩著的《面向自然语言处理的深度学习(用Python创建神经网络)/智能系统与技术丛书》以循序渐进的方式从理论过渡到实践，首先介绍基础知识，然后是基础数学，最后是相关示例的实现。
前三章介绍NLP的基础知识，从最常用的Python库开始，然后是词向量表示，再到高阶算法，例如用于文本数据的神经网络。
最后两章完全侧重于实现，运用广泛流行的Python工具TensorFlow和Keras，处理诸如RNN、LSTM网络、seq2seq等复杂构架。我们尽最大努力遵循循序渐进的方法，最后集合全部知识构建一个问答系统。