概述

A. 自然语言处理的行业应用

自然语言处理（NLP）是工业领域中最重要的任务之一，广泛依赖于机器学习技术。NLP 涉及使用机器处理和理解人类语言（即“自然语言”）的各个方面。许多公司，包括谷歌和亚马逊这样的科技巨头，都设有专门从事 NLP 研究并将该技术应用于产品中的团队。

B. NLP 的工作原理

本课程主要关注 NLP 中的文本处理部分，因为与语音相关的任务会涉及机器学习以外的多个学科（例如信号处理、语言学等）。相比之下，书面文本更容易被处理成适合机器学习模型使用的输入格式。

文本数据通常基于一个词汇表进行处理。词汇表指的是在语料库（用于训练模型的所有文档集合）中出现的所有唯一词语的集合。处理文本数据的方法多种多样，而在本课程中，你将学习如何将句子或文档转换为嵌入向量。

在完成文本数据的预处理后，我们会将其输入到一种特殊类型的神经网络——循环神经网络（RNN）。RNN 非常适合处理文本这类序列数据，而本课程将重点使用其中的一种变体：长短期记忆网络（LSTM）。

通过调整 LSTM 模型，可以完成各种 NLP 任务，从文本分类到文本生成均可实现。针对不同的 NLP 任务，模型的输出结构也会有所不同。

C. 本课程将提供什么内容？

完成本课程后，你将能够对文本数据进行预处理，训练不同的 LSTM 模型，并利用这些模型完成多种 NLP 任务。具体而言，你将掌握以下能力：

• 将文本文档转换为嵌入向量
• 构建多种不同类型的 LSTM 模型，应用于文本分类、文本生成和机器翻译等任务