虽然训练计算机以解释和生成语音和文本这个挑战很大，但是它在减少劳动力和改进人机交互方面所带来的回报也很大！自然语言处理（NLP）领域目前正在快速发展，诞生了大量新的工具和实践。这本独特的书可以给读者带来一系列可以应用于机器翻译、语音助手、文本生成等领域的创新NLP技术。 本书将展示如何构建实用的、可以改变人类和计算机协同工作方式的NLP应用程序。本书通过对每个核心NLP主题进行清晰、直观的解释和指导，帮助你创建许多有趣的应用程序，包括情感分析器和聊天机器人。在该过程中，你将使用Python和开源库（AllenNLP和Hugging Face Transformers）加快开发过程。

第Ⅰ部分 基础
第1章 自然语言处理简介
1.1 什么是自然语言处理
1.1.1 什么是NLP
1.1.2 什么不是NLP
1.1.3 AI、机器学习、深度学习和NLP之间的关系
1.1.4 为什么学习NLP
1.2 典型的NLP应用和任务
1.2.1 NLP应用
1.2.2 NLP任务
1.3 构建NLP应用
1.3.1 NLP应用的开发
1.3.2 NLP应用的结构
1.4 本章小结
第2章 你的第一个NLP应用
2.1 情感分析简介
2.2 NLP的数据集
2.2.1 什么是数据集
2.2.2 斯坦福情感树库
2.2.3 训练集、验证集和测试集
2.2.4 使用 AllenNLP加载SST数据集
2.3 使用词嵌入
2.3.1 什么是词嵌入
2.3.2 如何在情感分析中使用词嵌入
2.4 神经网络
2.4.1 什么是神经网络
2.4.2 循环神经网络和线性层
2.4.3 情感分析的神经网络架构
2.5 损失函数及优化器
2.6 训练你自己的分类器
2.6.1 批量处理
2.6.2 把所有组件整合在一起
2.7 评估分类器
2.8 部署应用
2.8.1 进行预测
2.8.2 通过Web提供预测服务
2.9 本章小结
第3章 词嵌入与文档嵌入
3.1 嵌入简介
3.1.1 什么是嵌入
3.1.2 为什么嵌入很重要
3.2 语言的构建块：字符、单词和短语
3.2.1 字符
3.2.2 单词、词元、语素和短语
3.2.3 n-gram
3.3 词元化、词干提取和词形还原
3.3.1 词元化
3.3.2 词干提取
3.3.3 词形还原
3.4 Skip-gram和CBOW
3.4.1 词嵌入的数字从何而来
3.4.2 通过单词相关性推导得出
3.4.3 线性层
3.4.4 softmax
3.4.5 使用 AllenNLP实现Skip-gram
3.4.6 CBOW模型
……
第Ⅱ部分 高级模型
第Ⅲ部分 投入生产