《深度学习自然语言处理》新书，141页pdf，Arizona大学

看到这些材料时，一个显而易见的问题可能会出现:“为什么还要一本深度学习和自然语言处理的书?”已有多篇优秀的论文发表，涵盖了深度学习及其在语言处理中的应用的理论和实践两个方面。然而，从我教授自然语言处理课程的经验来看，我认为，尽管这些书的质量很好，但它们中的大多数并不是针对最有可能的读者。这本书的目标读者是那些在机器学习和自然语言处理之外的领域有技能的人，他们的工作至少部分依赖于对大量数据(尤其是文本数据)的自动分析。这些专家可能包括社会科学家、政治科学家、生物医学科学家，甚至对机器学习了解有限的计算机科学家和计算语言学家。

现有的深度学习和自然语言处理书籍一般分为两大阵营。第一个阵营侧重于深度学习的理论基础。这对前面提到的读者肯定是有用的，因为在使用工具之前应该了解它的理论方面。然而，这些书往往假定了典型的机器学习研究者的背景，因此，我经常看到没有这种背景的学生很快就会在这样的材料中迷失。为了缓解这个问题，目前存在的第二种类型的书籍侧重于机器学习从业者;也就是说，关于如何使用深度学习软件，极少关注理论方面。我认为，关注实际方面同样是必要的，但不是充分的。考虑到深度学习框架和库已经变得相当复杂，由于理论上的误解而误用它们的几率很高。我在我的课程中也经常看到这个问题。

因此，本书旨在为自然语言处理的深度学习的理论和实践方面架起桥梁。我介绍了必要的理论背景，并假设读者有最少的机器学习背景。我的目标是让任何上过线性代数和微积分课程的人都能理解这些理论材料。为了解决实际方面的问题，本书包括用于讨论的较简单算法的伪代码，以及用于更复杂体系结构的实际Python代码。任何参加过Python编程课程的人都应该能够理解这些代码。读完这本书后，我希望读者能够有必要的基础，立即开始构建真实的、实用的自然语言处理系统，并通过阅读有关这些主题的研究出版物来扩展他们的知识。