近年來，基于深度學(xué)習(xí)方法的自然語言處理（NLP）已逐漸成為主流。本書共8章，主要介紹自然語言處理任務(wù)中的深度學(xué)習(xí)技術(shù)，包含深度學(xué)習(xí)理論基礎(chǔ)、深度學(xué)習(xí)的軟件框架、語言模型與詞向量、序列模型與梯度消失/爆炸、卷積神經(jīng)網(wǎng)絡(luò)在NLP領(lǐng)域的應(yīng)用、Seq2Seq模型與Attention機(jī)制、大規(guī)模預(yù)訓(xùn)練模型、預(yù)訓(xùn)練語言模型BERT，還給出了自然語言處理技術(shù)的高級應(yīng)用和開發(fā)實(shí)例，并收錄了基于PyTorch深度學(xué)習(xí)框架的部分實(shí)踐項(xiàng)目。本書既可作為人工智能、計(jì)算機(jī)科學(xué)、電子信息工程、自動(dòng)化等專業(yè)的本科生及研究生教材，也可作為自然語言處理相關(guān)領(lǐng)域的研究人員和技術(shù)人員的參考資料。