本书是一本使用深度学习算法和TensorFlow来编写现代自然语言处理应用程序的实践指南，内容涉及词嵌入的各种方法、CNN/RNN/LSTM的TensorFlow实现及应用、LSTM在文本生成及图像标题生成的应用、从统计机器翻译到神经网络翻译以及自然语言处理的未来。通过阅读本书，你将深入认识NLP(自然语言处理)，并学习如何在深度学习NLP任务中应用TensorFlow，以及如何执行特定的NLP任务。
全书共11章，第1章简要介绍NLP；第2章介绍如何编写客户端程序并在TensorFlow中运行它们；第3章介绍如何用神经网络学习单词向量或单词表示；第4章介绍与单词向量相关的更高级方法；第5章讨论卷积神经网络(CNN)；第6章介绍递归神经网络；第7章介绍长短期记忆网络；第8章介绍LSTM的应用：文本生成；第9章介绍LSTM的应用：图像标题生成；第1O章介绍有关神经机器翻译(NMT)模型的应用；第11章重点介绍NLP的现状和未来趋势。

图珊·加内格达拉（Thushan Ganegedara）目前是澳大利亚悉尼大学第三年的博士生。他专注于机器学习和深度学习。他喜欢在未经测试的数据上运行算法。他还是澳大利亚初创公司AssessThreat的首席数据科学家。他在斯里兰卡莫拉图瓦大学获得了理学士学位。他经常撰写有关机器学习的技术文章和教程。此外，他经常通过游泳来努力营造健康的生活方式。

译者序
前言
关于作者
关于审阅者
第1章 自然语言处理简介
1.1 什么是自然语言处理
1.2 自然语言处理的任务
1.3 传统的自然语言处理方法
1.3.1 理解传统方法
1.3.2 传统方法的缺点
1.4 自然语言处理的深度学习方法
1.4.1 深度学习的历史
1.4.2 深度学习和NLP的当前状况
1.4.3 理解一个简单的深层模型—全连接神经网络
1.5 本章之外的学习路线
1.6 技术工具简介
1.6.1 工具说明
1.6.2 安装Python和scikit-learn
1.6.3 安装Jupyter Notebook
1.6.4 安装TensorFlow
1.7 总结
第2章 理解TensorFlow
2.1 TensorFlow是什么
2.1.1 TensorFlow入门
2.1.2 TensorFlow客户端详细介绍
2.1.3 TensorFlow架构：当你执行客户端时发生了什么
2.1.4 Cafe Le TensorFlow：使用类比理解TensorFlow
2.2 输入、变量、输出和操作
2.2.1 在TensorFlow中定义输入
2.2.2 在TensorFlow中定义变量
2.2.3 定义TensorFlow输出
2.2.4 定义TensorFlow操作
2.3 使用作用域重用变量
2.4 实现我们的第一个神经网络
2.4.1 准备数据
……
第3章 Word2vec——学习词嵌入
第4章 高级Word2vec
第5章 用卷积神经网络进行句子分类
第6章 递归神经网络
第7章 长短期记忆网络
第8章 LSTM应用：文本生成
第9章 LSTM应用：图像标题生成
第10章 序列到序列学习：神经机器翻译
第11章 自然语言处理的现状与未来
附录 数学基础与高级TensorFlow