本书主要介绍神经网络、深度学习和自然语言处理的基本原理、方法和应用，全书分为3部分，每部分涵盖了不同的主题: 第1部分(第1～3章)介绍神经网络和深度学习的基础知识，包括人工神经网络的起源和发展，神经网络的表示方法、数学基础理论和机器学习基础，以及表征学习的概念；第2部分(第4章和第5章)介绍自然语言处理和转换器网络；第3部分(第6～10章)介绍自然语言处理的案例分析，包括文本分类任务、实体识别、文本生成和文本摘要的方法和技术、基于评审的问答系统等。 本书是学习并实践神经网络、深度学习和自然语言处理的实用指南，每章都给出了代码示例和实际案例，帮助读者理解和实践所学的知识。本书采用渐进式讲解，理论与实践结合，强调自然语言处理，并且关注最新技术和趋势，适合作为高等学校神经网络、深度学习和自然语言处理相关课程的教材，也是相关专业人员很好的参考用书。