第1章文本表示
 
1.1實踐一： 基於統計的文本表示

1.2實踐二： 基於Word2Vec的文本表示

1.3實踐三： 基於預訓練的文本表示

第2章文本分類 

2.1實踐一： 基於BiLSTM的文本分類

2.2實踐二： 基於Attention機制的文本分類

2.3實踐三： 基於預訓練微調的文本分類

2.4實踐四： 基於PaddleHub的低俗文本審核

第3章文本匹配 

3.1實踐一： 基於表示的文本匹配

3.2實踐二： 基於交互的文本匹配

3.3實踐三： 基於預訓練微調的文本匹配

第4章信息抽取

4.1實踐一： 基於BiLSTMCRF的命名實體識別

4.2實踐二： 基於BiLSTMCRF的事件抽取

4.3實踐三： 基於BiLSTM的關繫抽取

4.4實踐四： 基於預訓練微調的關繫抽取

4.5實踐五： 基於預訓練微調的事件抽取

第5章機器翻譯

5.1實踐一： 基於序列到序列模型的中英機器翻譯

5.2實踐二： 基於注意力機制的中英機器翻譯

5.3實踐三： 基於Transformer的中英機器翻譯

5.4實踐四： 基於預訓練微調的中英機器翻譯

第6章自動文摘

6.1實踐一： 抽取式中文自動文摘

6.2實踐二： 生成式英文自動文摘

6.3實踐三： 基於預訓練微調的中文自動文摘

第7章機器閱讀理解

7.1實踐一： 基於BiDAF的機器閱讀理解

7.2實踐二： 基於BERT預訓練微調的機器閱讀理解 

7.3實踐三： 基於ERNIE預訓練微調的機器閱讀理解

第8章聊天機器人設計與實現

8.1實踐一： 聊天機器人模塊實現與繫統測評

8.2實踐二： 手動實現簡易聊天機器人

隨著人工智能的快速發展與不斷進步，自然語言處理已經成為計算機科學中最具前景和活力的領域之一。在本書中，我們將為大家介紹涵蓋了從基本的文本處理，到高級的機器閱讀理解、聊天機器人等多個研究領域的多種算法實踐。

本書的編寫遵循了實踐導向原則，旨在讓讀者通過通用實踐，具備NLP建模、解決實際場景問題的能力。本書使用百度開源的PaddlePaddle深度學習框架(飛槳)，這是我國首個開源深度學習框架，有著完備、活躍的用戶社區，能夠幫助讀者更好地理解NLP技術的應用和實現。

第1章介紹文本表示的基礎知識，文本表示是自然語言處理中最基本的問題之一，它涉及將文本轉換為計算機能夠理解的形式，如onehot、TFIDF、詞向量及基於預訓練的表示等。

第2章講解文本分類實踐，將文本數據劃分為不同的預定義類別，如情感分類、新聞分類、垃圾郵件過濾等，其目的是通過訓練模型自動對新的文本進行分類。

第3章講解文本匹配實踐，對兩個文本進行比較，如問答匹配、語義匹配、文本摘要等，其目的是通過計算相似度得出文本的相關性和相似程度。

第4章講解信息抽取實踐，從結構化和非結構化的文本中自動抽取特定類型的信息，如命名實體識別、關繫抽取、事件抽取等，其目的是將非結構化的文本轉化為結構化的數據，方便後續的分析和挖掘。

第5章講解機器翻譯實踐，將一種語言的文本翻譯成另一種語言的文本，如英譯中、中譯英等，其目的是實現不同語言之間的信息交流和文化交流。

第6章講解自動文摘實踐，自動地從一個文本中提取出最重要的信息，並生成一個簡潔的摘要，如新聞摘要、論文摘要等，其目的是幫助用戶快速獲取文本的核心內容，提高信息利用效率。

第7章講解機器閱讀理解實踐，通過對一段文本進行理解和推理，回答與文本相關的問題，如閱讀理解、問答繫統等，其目的是實現機器對自然語言文本的深層次理解，提高機器的智能水平。

第8章講解聊天機器人實踐，利用自然語言處理技術和對話繫統技術，實現機器與人之間的自然對話，如智能客服、語音助手、智能問答等，其目的是幫助人們解決實際問題，並提供個性化的服務體驗。

我們希望通過這本書，能夠使讀者獲得實際的NLP編程經驗，從代碼實現層面加深對NLP原理的理解，並將這些經驗應用於實際問題的解決。感謝PaddlePaddle社區，免費的GPU算力、完善的API文檔以及豐富的產研實踐為廣大讀者提供了極其便利的開發實踐環境。最後，我們衷心地希望本書能夠對廣大讀者和自然語言處理領域的研究者有所幫助，並對未來NLP的發展和創新做出貢獻。

掃碼即可下載本書的源代碼及數據： 

編者2023年8月