1장. 개요1.1 자연어 처리와 그 이웃들1.2 자연어 처리의 세 가지 주제2장. 선형 텍스트 분류2.1 단어 가방 2.2 나이브 베이즈2.3 결정 학습2.4 손실함수와 큰 마진 분류2.5 로지스틱 회귀 2.6 최적화 2.7 분류에서의 또 다른 주제들 2.8 학습 알고리듬 요약3장. 비선형 분류3.1 피드포워드 뉴럴 네트워크3.2 뉴럴 네트워크 디자인하기 3.3 뉴럴 네트워크 학습하기 3.4 컨볼루셔널(합성곱) 뉴럴 네트워크 4장. 언어 기반의 분류 응용4.1 감성 및 의견 분석 4.2 단어 의미의 모호성4.3 텍스트 분류를 위한 의사 결정 디자인4.4 분류기 평가하기 4.5 데이터 세트 만들기5장. 비지도 학습5.1 비지도 학습5.2 기댓값 최대화의 적용5.3 준지도 학습5.4 도메인 적응5.5 잠재변수가 있는 학습에 대한 여러 접근법6장. 언어 모델6.1 그램 언어 모델6.2 평활화와 할인하기6.3 순환 뉴럴 네트워크 언어 모델 6.4 언어 모델 평가하기6.5 어휘집에 없는 단어7장. 시퀀스 라벨링7.1 분류에서의 시퀀스 라벨링7.2 구조 예측을 위한 시퀀스 라벨링7.3 비터비 알고리듬7.4 은닉 마르코프 모델7.5 피처를 사용한 결정하는 시퀀스 라벨링7.6 뉴럴 시퀀스 라벨링7.7 비지도 시퀀스 라벨링 8장. 시퀀스 라벨링 응용8.1 품사 식별8.2 형태구문론적 속성8.3 개체명 인식8.4 토크나이제이션8.5 코드 스위칭8.6 대화 행위9장. 형식 언어론9.1 정규 언어 9.2 문맥 자유 언어9.3 가벼운 문맥 의존 언어10장. 문맥 자유 파싱10.1 결정형 상향식 파싱10.2 모호성10.3 가중치가 있는 문맥 자유 문법 10.4 가중치가 있는 문맥 자유 문법 학습하기10.5 문법 보정10.6 문맥 자유 파싱을 너머11장. 의존 파싱11.1 의존 문법11.2 그래프 기반 의존 파싱11.3 전이 기반 의존 파싱11.4 응용12장. 논리적 의미론12.1 의미와 표기12.2 의미의 논리적 표현 12.3 의미 파싱과 람다 대수 12.4 의미 파서 학습하기 13장. 술어 인자 의미론13.1 의미 역할13.2 의미 역할 라벨링13.3 추상 의미 표현14장. 분포 의미와 분산 의미14.1 분포 가설 14.2 단어 표현을 위한 디자인 결정14.3 잠재 의미 분석 14.4 브라운 군집 14.5 뉴럴 단어 임베딩14.6 단어 임베딩 평가하기14.7 분포 통계량 너머의 분포된 표현14.8 다중 단어 단위의 분포된 표현15장. 참조 해결15.1 참조 표현의 형태 15.2 상호 참조 해결을 위한 알고리듬 15.3 상호 참조 해결 표현하기 15.4 상호 참조 해결 평가하기16장. 담화16.1 분절16.2 개체와 언급16.3 관계17장. 정보 추출17.1 개체 17.2 관계17.3 사건17.4 헤지, 부정, 가정17.5 질의 응답과 기계 독해18장. 기계 번역18.1 기계 번역 작업 18.2 통계적 기계 번역 18.3 뉴럴 기계 번역 18.4 디코딩18.5 평가 지표 훈련19장. 텍스트 생성19.1 데이터를 통한 텍스트 생성19.2 텍스트를 통한 텍스트 생성19.3 대화부록 A. 확률A.1 사건 조합의 확률 A.2 조건부 확률과 베이즈 규칙A.3 독립A.4 확률변수 A.5 기댓값A.6 모델링과 추정부록 B. 수치 최적화B.1 경사 하강B.2 제약 조건이 있는 최적화 B.3 예시: 수동적 - 능동적 온라인 학습