本仓库是斋藤康毅《深度学习进阶：自然语言处理》的配套资源，延续“鱼书”（《深度学习入门》）“通俗好懂、边学边练”的风格，提供逐章匹配的中文版Jupyter Notebook，复现书中理论推导、代码和实验，帮学习者从深度学习基础平稳过渡到NLP实践。
适合刚学完“鱼书”的新手，或想夯实NLP底层逻辑的开发者，轻松突破NLP入门壁垒。
笔记严格对应原著章节，核心特色如下：
| 特色 | 说明 |
|---|---|
| 原著代码+中文注释 | 复现Word2Vec、RNN/GRU/LSTM、注意力机制、Transformer基础代码，关键步骤加中文注释，避免“抄代码不懂原理”。 |
| 理论可视化 | 用Matplotlib图表简化抽象概念，比如用热力图看词向量聚类、动画演示LSTM“记忆”文本，贴合原著直观风格。 |
| 实验全复现 | 还原书中3类实验：用PTB语料库训练语言模型、addition数据集做序列预测、date数据集转日期格式，含全流程代码，可直接跑通。 |
- 理论通俗：用“词向量像字典坐标”“注意力像阅读划线”这类类比，讲清NLP关键概念，新手也能懂。
- 动手为主：先从零写算法（如用NumPy实现Word2Vec），再用TensorFlow/PyTorch优化，先懂原理再用工具。
- 避坑指南：专门讲新手常见问题，比如怎么解决RNN梯度爆炸、词向量低频词处理，手把手教调优。
- 轻量化：用PTB、addition、date 3个小规模数据集，普通电脑能快速跑代码，代码精简无冗余。
| 人群 | 场景 |
|---|---|
| “鱼书”学习者 | 学完《深度学习入门》，想进阶NLP的学生/职场人。 |
| NLP新手 | 懂Python基础，想轻松入门NLP的开发者。 |
| 需夯实基础者 | 用过NLP工具但不懂原理，想从零学底层逻辑的技术人员。 |
| 教师/机构 | 用Notebook和3类数据集开展“理论+演示”教学。 |
书中推荐依赖，直接安装即可：
# 克隆仓库后，在项目根目录执行
pip install -r requirements.txt- 读原著对应章节，了解PTB、addition、date三类数据集的用法和核心理论。
- 打开对应Notebook，逐段运行代码，对照注释理解“代码如何实现理论”。
- 小改参数（如调整PTB训练窗口大小），观察结果变化，深化理解。
# 克隆仓库（含全部Notebook和3类数据集）
git clone https://github.com/Mathematics-Yang/Deep-Learning-Advanced-Natural-Language-Processing.git- 聚焦经典NLP技术，未覆盖大语言模型、多模态等前沿内容，入门后需学专项资料。
- 案例基于小规模数据集，未涉及工业级复杂场景（如大规模并行训练）。
- 采用较稳定的框架版本，未包含最新特性。
- 别跳过“从零实现”代码，亲手编写才能真正懂底层逻辑。
- 复现书中实验，对比参数调整效果，培养调优思维。
- 遗忘基础时回头看“鱼书”，结合3类数据集案例巩固知识。
祝大家顺利突破 NLP 入门壁垒，实现从深度学习基础到专项实战的进阶！