titles

chapter_natural-language-processing/glove-fasttext.md

@@ -111,6 +111,8 @@ $$ - \text{log} \mathbb{P} (w_o \mid w_c) = -\text{log} \frac{1}{1+\text{exp}(-\
 
 fastText对于一些语言较重要，例如阿拉伯语、德语和俄语。例如，德语中有很多复合词，例如乒乓球（英文table tennis）在德语中叫“Tischtennis”。fastText可以通过子词表达两个词的相关性，例如“Tischtennis”和“Tennis”。
 
+由于词是自然语言的基本表义单元，词向量广泛应用于各类自然语言处理的场景中。我们将在接下来的两节的实验中应用词向量求近似词和类比词并对文本进行分类。
+
 
 
 ## 小结

chapter_natural-language-processing/nmt.md

-# 应用编码器—解码器和注意力机制：机器翻译
+# 机器翻译
 
 本节介绍[编码器—解码器和注意力机制](seq2seq-attention.md)的应用。我们以神经机器翻译（neural machine translation）为例，介绍如何使用Gluon实现一个简单的编码器—解码器和注意力机制模型。
 

chapter_natural-language-processing/pretrained-embedding.md

-# 应用词向量：求近似词和类比词
+# 求近似词和类比词
 
 本节介绍如何应用预训练的词向量，例如求近似词和类比词。这里使用的预训练的GloVe和fastText词向量分别来自它们的项目网站 [1,2]。