當前無論是學術界還是工業界，深度學習都受到極大的追捧，尤其是在Google開源深度學習平台TensorFlow之后，更是給深度學習火上澆油。目前在開源社區Github上所有開源項目中，TensorFlow最為活躍，從推出到現在，經歷了幾個版本的演進，可以說能夠靈活高效地解決大量實際問題。本文主要嘗試闡述TensorFlow在自然語言處理(NLP)領域的簡單應用，讓大家伙兒更加感性地認識TensorFlow。
說到NLP，其實我對它並不是很熟悉，之前也未曾有過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。當前互聯網每天都在產生大量的文本和音頻數據，通過挖掘這些數據，我們可以做一些更加便捷的應用，例如機器翻譯、語音識別、詞性標注以及信息檢索等，這些都屬於NLP范疇。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...