運用TensorFlow處理簡單的NLP問題

當前不管是學術界仍是工業界，深度學習都受到極大的追捧，尤爲是在Google開源深度學習平臺TensorFlow以後，更是給深度學習火上澆油。目前在開源社區Github上全部開源項目中，TensorFlow最爲活躍，從推出到如今，經歷了幾個版本的演進，能夠說可以靈活高效地解決大量實際問題。本文主要嘗試闡述TensorFlow在天然語言處理(NLP)領域的簡單應用，讓你們夥兒更加感性地認識TensorFlow。

說到NLP，其實我對它並非很熟悉，以前也不曾有過NLP的相關經驗，本文是我最近學習TensorFlow的一些積累，就當拋磚引玉了。當前互聯網天天都在產生大量的文本和音頻數據，經過挖掘這些數據，咱們能夠作一些更加便捷的應用，例如機器翻譯、語音識別、詞性標註以及信息檢索等，這些都屬於NLP範疇。而在NLP領域中，語言模型是最基本的一個環節，本文主要圍繞語言模型展開，首先介紹其基本原理，進而引出詞向量(word2vec)、循環神經網絡(RNN)、長短時記憶網絡(LSTM)等深度學習相關模型，並詳細介紹如何利用 TensorFlow 實現上述模型...

http://sharkdtu.com/posts/nn-nlp.html