Нейросетевые методы в обработке естественного языка

Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing – NLP). Книга служит мостом между классическими подходами к лингвистике и современными методами глубокого обучения, предлагая систематическое изложение фундаментальных концепций.

В первой части рассматриваются основы машинного обучения с учителем на лингвистических данных, линейные модели и переход от символических к векторным представлениям слов. Автор подробно объясняет абстракцию графа вычислений, которая лежит в основе современных нейросетевых библиотек и позволяет легко определять и обучать произвольные архитектуры.

Основное внимание уделено специализированным нейросетевым архитектурам для NLP, включая одномерные сверточные сети, рекуррентные нейронные сети (RNN), модели условной генерации и передовые модели с механизмом внимания. Каждая концепция подкрепляется практическими примерами и пояснениями их применения к реальным задачам обработки языка.

Издание предназначено для студентов, исследователей и практиков, работающих в области машинного перевода, анализа текста и искусственного интеллекта. Книга предполагает у читателя знание теории вероятностей, линейной алгебры, математического анализа, а также базовое понимание алгоритмов и структур данных.