0.md

# 前言

在互联网时代，每天从社交媒体和其他平台生成越来越多的文本数据，因此能够理解这些数据是一项至关重要的技能。 本书将帮助您为**自然语言处理**（ **NLP** ）任务建立深度学习模型，这将帮助您从文本中提取有价值的见解。

我们将从了解如何安装 PyTorch 以及使用 CUDA 加快处理速度开始。 然后，您将通过实际示例探索 NLP 架构的工作方式。 后面的章节将指导您完成重要的原则，例如 PyTorch 中的单词嵌入，CBOW 和标记化。 然后，您将学习一些用于处理文本数据的技术，以及如何将深度学习用于 NLP 任务。 接下来，我们将演示如何实现深度学习和神经网络架构来构建模型，以使您能够对文本进行分类和翻译以及执行情感分析。 最后，您将学习如何构建高级 NLP 模型，例如会话聊天机器人。

到本书结尾，您将了解使用 PyTorch 进行深度学习如何解决不同的 NLP 问题，以及如何构建模型来解决这些问题。

# 这本书适合谁

这本 PyTorch 书籍适用于 NLP 开发人员，机器学习和深度学习开发人员，或致力于使用传统 NLP 方法和深度学习架构来构建智能语言应用程序的任何人。 如果您希望在开发项目中采用现代的 NLP 技术和模型，那么本书非常适合您。 必须具备 Python 编程的工作知识和 NLP 任务的基本工作知识。

# 这本书涵盖的内容

[*第 1 章*](../Text/1.html#_idTextAnchor015) *是机器学习和深度学习的基础知识*，概述了机器学习和神经网络的基本方面。

[*第 2 章*](../Text/2.html#_idTextAnchor029) *，用于 NLP 的 PyTorch 1.x 入门*，向您展示如何下载，安装和启动 PyTorch。 我们还将介绍该软件包的一些基本功能。

[*第 3 章*](../Text/3.html#_idTextAnchor051) *，NLP 和文本嵌入*展示了如何为 NLP 创建文本嵌入并在基本语言模型中使用它们。

[*第 4 章*](../Text/4.html#_idTextAnchor070) *，文本预处理，词干和词法化*展示了如何预处理文本数据以用于 NLP 深度学习模型。

[*第 5 章*](../Text/5.html#_idTextAnchor092) *，递归神经网络和情感分析*，介绍了递归神经网络的基础知识，并向您展示如何使用它们来建立情感神经网络分析模型。 刮。

[*第 6 章*](../Text/6.html#_idTextAnchor112) *，用于文本分类的卷积神经网络*，介绍了卷积神经网络的基础知识，并向您展示了如何使用它们为 分类文本。

[*第 7 章*](../Text/7.html#_idTextAnchor124) *，使用序列到序列神经网络的文本翻译*介绍了深度学习的序列到序列模型的概念，并介绍了如何 使用它们来构建将文本翻译成另一种语言的模型。

[*第 8 章*](../Text/8.html#_idTextAnchor139) *，使用基于注意力的神经网络构建聊天机器人*，涵盖了在序列到序列深度学习模型中使用的注意概念，并显示了 您将了解如何使用它们从头开始构建功能全面的聊天机器人。

[*第 9 章*](../Text/9.html#_idTextAnchor156) *（前进的道路*）涵盖了 NLP 深度学习中当前使用的一些最新模型，并探讨了一些挑战 以及 NLP 领域面临的问题。

# 要充分利用这本书

您将需要在计算机上安装 Python 版本。 所有代码示例均已使用 3.7 版进行了测试。 您还将需要一个适用的 PyTorch 环境，以用于本书的深度学习组件。 所有深度学习模型都是使用 1.4 版构建的； 但是，大多数代码应与更高版本一起使用。

![](img/B12365_Preface_01.jpg)

本书的代码中使用了多个 Python 库。 但是，这些将在相关章节中介绍。

**如果您使用的是本书的数字版本，建议您自己键入代码或通过 GitHub 存储库访问代码（下一节提供链接）。 这样做将帮助您避免任何与代码复制和粘贴有关的潜在错误。**

# 下载示例代码文件

您可以从 [www.packt.com](http://packt.com) 的帐户中下载本书的示例代码文件。 如果您在其他地方购买了此书，则可以访问 [www.packtpub.com/support](https://www.packtpub.com/support) 并注册以将文件直接通过电子邮件发送给您。

您可以按照以下步骤下载代码文件：

1.  登录或注册 [www.packt.com](http://packt.com) 。
2.  选择**支持**选项卡。
3.  点击**代码下载**。
4.  在**搜索**框中输入书籍的名称，然后按照屏幕上的说明进行操作。

下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：

*   Windows 的 WinRAR / 7-Zip
*   Mac 版 Zipeg / iZip / UnRarX
*   适用于 Linux 的 7-Zip / PeaZip

本书的代码包也托管在 GitHub 的 [https://github.com/PacktPublishing/Hands-On-Natural-Language-Processing-with-PyTorch-1.x](https://github.com/PacktPublishing/Hands-On-Natural-Language-Processing-with-PyTorch-1.x) 中。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。

在[这个页面](https://github.com/PacktPublishing/)上，我们还提供了丰富的书籍和视频目录中的其他代码包。 去看一下！

# 下载彩色图像

我们还提供了 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。 您可以在此处下载： [https://static.packt-cdn.com/downloads/9781789802740_ColorImages.pdf](https://static.packt-cdn.com/downloads/9781789802740_ColorImages.pdf) 。

# 使用的约定

本书中使用了许多文本约定。

**文本中的代码**：指示文本中的代码字，数据库表名称，文件夹名称，文件名，文件扩展名，路径名，虚拟 URL，用户输入和 Twitter 句柄。 这是一个示例：“将下载的 **WebStorm-10 * .dmg** 磁盘映像文件安装为系统中的另一个磁盘。”

代码块设置如下：

进口火炬

当我们希望引起您对代码块特定部分的注意时，相关行或项目以粗体显示：

word_1 =“猫”

**word_2 ='dog'**

word_3 =“鸟”

任何命令行输入或输出的编写方式如下：

$ mkdir flaskAPI

$ cd flaskAPI

**粗体**：表示新术语，重要单词或您在屏幕上看到的单词。 例如，菜单或对话框中的单词会出现在这样的文本中。 这是一个示例：“从**管理**面板中选择**系统信息**。”

提示或重要提示

这样出现。

# 保持联系

始终欢迎读者的反馈。

**一般反馈**：如果您对本书的任何方面都有疑问，请在邮件主题中提及书名，然后通过 **customercare@packtpub.com** 向我们发送电子邮件。

**勘误表**：尽管我们已尽一切努力确保内容的准确性，但还是会发生错误。 如果您在这本书中发现错误，请向我们报告，我们将不胜感激。 请访问 [www.packtpub.com/support/errata](https://www.packtpub.com/support/errata) ，选择您的图书，点击勘误提交表格链接，然后输入详细信息。

**盗版**：如果您在互联网上以任何形式遇到我们的作品的任何非法复制品，请向我们提供位置地址或网站名称，我们将不胜感激。 请通过 **copyright@packt.com** 与我们联系，并提供材料链接。

**如果您有兴趣成为作家**：如果您有一个专业的话题并且对写作或撰写书籍感兴趣，请访问 [authors.packtpub.com](http://authors.packtpub.com/) ]。

# 评论

请留下评论。 阅读和使用本书后，为什么不在您购买本书的网站上留下评论？ 然后，潜在的读者可以查看并使用您的公正意见来做出购买决定，Packt 的我们可以了解您对我们产品的看法，我们的作者可以在书中看到您的反馈。 谢谢！

有关 Packt 的更多信息，请访问 [packt.com](http://packt.com) 。