Hands-On Natural Language Processing with Python : A Practical Guide to Applying Deep Learning Architectures to Your NLP Applications /
Contenido: 1. Para comenzar; 2. Clasificación de textos y etiquetado de partes del discurso con la herramienta lenguaje natural (Natural Language Toolkit o NLTK); 3. Aprendizaje profundo y TensorFlow; 4. Incrustación semántica utilizando modelos poco profundos; 5. Clasificación de texto utilizando m...
Сохранить в:
| Главный автор: | |
|---|---|
| Другие авторы: | |
| Формат: | |
| Язык: | английский |
| Опубликовано: |
Birmingham, Inglaterra :
Packt,
2018, c2018
|
| Предметы: | |
| Online-ссылка: | Ver documento en línea |
| Метки: |
| Итог: | Contenido: 1. Para comenzar; 2. Clasificación de textos y etiquetado de partes del discurso con la herramienta lenguaje natural (Natural Language Toolkit o NLTK); 3. Aprendizaje profundo y TensorFlow; 4. Incrustación semántica utilizando modelos poco profundos; 5. Clasificación de texto utilizando memoria corta a largo plazo (Long Short-Term Memory o LSTM); 6. Búsqueda y eliminación de duplicados utilizando redes neuronales convolucionales; 7. Reconocimiento de la entidad nombrada usando el carácter LSTM; 8. Generación y resumen de textos usando unidades recurrentes cerradas (Gated Recurrent Units o GRU); 9. Preguntas/respuestas y bots conversacionales usando redes de memoria; 10. Traducción automática utilizando el modelo basado en la atención; 11. Reconocimiento de voz con DeepSpeech; 12. Texto a voz con Tacotron; 13. Despliegue de modelos entrenados. |
|---|---|
| Объем: | 1 libro electrónico en línea (VI, 291 p.) 1 recurso en línea |
| Аудитория: | Peticiones 2019 |
| ISBN: | 978-1-78913-591-6 |
| Доступ: | 1 licencia |