幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於混合方法的自然語言處理(神經網路模型與知識圖譜的結合)/智能科學與技術叢書

  • 作者：(西)何塞·曼努埃爾·戈麥斯-佩雷斯//羅納德·德諾//安德烈·加西亞-席爾瓦|責編:王春華//劉鋒|譯者:曹洪偉//石濤聲
  • 出版社：機械工業
  • ISBN：9787111690696
  • 出版日期：2021/09/01
  • 裝幀：平裝
  • 頁數：249
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書提供了一個指導讀者使用自然語言處理（NLP）的混合方法（包括神經網路和知識圖譜的結合）的實踐指南。為此，本書首先介紹了主要的構建模塊，然後描述了如何將它們集成起來以支持現實世界NLP應用的有效實現。為了說明所描述的想法，本書還包括一套全面的實驗和練習，涵蓋各種各樣的自然語言處理任務在選定的領域和語料庫中使用的不同的演算法。本書面向語言學、電腦科學和數學專業的學生，也適合自然語言處理、人工智慧、機器學習和深度學習領域的讀者閱讀。
作者介紹
(西)何塞·曼努埃爾·戈麥斯-佩雷斯//羅納德·德諾//安德烈·加西亞-席爾瓦|責編:王春華//劉鋒|譯者:曹洪偉//石濤聲
目錄
推薦序一
推薦序二
譯者序
前言
第一部分  預備知識和構建模塊
  第1章  混合自然語言處理簡介
    1.1  知識圖譜、嵌入和語言模型簡史
    1.2  自然語言處理中知識圖譜和神經網路方法的結合
  第2章  單詞、意義和知識圖譜嵌入
    2.1  引言
    2.2  分散式單詞表示
    2.3  詞嵌入
    2.4  意義和概念嵌入
    2.5  知識圖譜嵌入
    2.6  本章小結
  第3章  理解詞嵌入和語言模型
    3.1  引言
    3.2  語言模型
      3.2.1  統計語言模型
      3.2.2  神經語言模型
    3.3  NLP遷移學習的預訓練模型微調
      3.3.1  ELMo
      3.3.2  GPT
      3.3.3  BERT
    3.4  機器人檢測中預訓練語言模型的微調
      3.4.1  實驗結果與討論
      3.4.2  使用Transformer庫對BERT進行微調
    3.5  本章小結
  第4章  從文本中捕獲意義作為詞嵌入
    4.1  引言
    4.2  下載一個小文本語料庫
    4.3  一種學習詞嵌入的演算法
    4.4  使用Swivelprep生成共現矩陣
    4.5  從共現矩陣中學習嵌入
    4.6  讀取並檢查存儲的二進位嵌入
    4.7  練習：從古騰堡工程中創建詞嵌入
      4.7.1  下載語料庫並進行預處理
      4.7.2  學習嵌入
      4.7.3  檢查嵌入
    4.8  本章小結
  第5章  捕獲知識圖譜嵌入
    5.1  引言
    5.2  知識圖譜嵌入
    5.3  為WordNet創建嵌入
      5.3.1  選擇嵌入演算法：HolE
      5.3.2  將WordNet知識圖譜轉換為所需輸入
      5.3.3  學習嵌入
      5.3.4  檢查嵌入結果
    5.4  練習
      5.4.1  練習：在自己的知識圖譜上訓練嵌入

      5.4.2  練習：檢查WordNet 3.0的預計算嵌入
    5.5  本章小結
第二部分  神經網路與知識圖譜的結合
  第6章  從文本語料庫、知識圖譜和語言模型中構建混合表達
    6.1  引言
    6.2  準備工作和說明
    6.3  Vecsigrafo的概念及構建方式
    6.4  實現
    6.5  訓練Vecsigrafo
      6.5.1  標記化和詞義消歧
      6.5.2  辭彙表和共現矩陣
      6.5.3  從共現矩陣學習嵌入
      6.5.4  檢查嵌入
    6.6  練習：探索一個預先計算好的Vecsigrafo
    6.7  從Vecsigrafo到Transigrafo
      6.7.1  安裝設置
      6.7.2  訓練Transigrafo
      6.7.3  擴展知識圖譜的覆蓋範圍
      6.7.4  評估Transigrafo
      6.7.5  檢查Transigrafo中的義項嵌入
      6.7.6  探索Transigrafo嵌入的穩定性
      6.7.7  額外的反思
    6.8  本章小結
  第7章  質量評估
    7.1  引言
    7.2  評估方法的概述
    7.3  練習1：評估單詞和概念嵌入
      7.3.1  可視化探索
      7.3.2  內在評估
      7.3.3  辭彙預測圖
      7.3.4  外在評估
    7.4  練習2：評價通過嵌入獲取的關係知識
      7.4.1  下載embrela項目
      7.4.2  下載生成的數據集
      7.4.3  載入待評估的嵌入
      7.4.4  學習模型
      7.4.5  分析模型的結果
      7.4.6  數據預處理：合併且增加欄位
      7.4.7  計算範圍閾值和偏差數據集檢測
      7.4.8  發現統計上有意義的模型
      7.4.9  關係型知識的評估結論
    7.5  案例研究：評估和對比Vecsigrafo嵌入
      7.5.1  比較研究
      7.5.2  討論
    7.6  本章小結
  第8章  利用Vecsigrafo捕獲詞法、語法和語義信息
    8.1  引言
    8.2  方法
      8.2.1  Vecsigrafo：基於語料的單詞-概念嵌入
      8.2.2  聯合嵌入空間

      8.2.3  嵌入的評估
    8.3  評估
      8.3.1  數據集
      8.3.2  單詞相似度
      8.3.3  類比推理
      8.3.4  單詞預測
      8.3.5  科學文檔的分類
    8.4  討論
    8.5  練習：使用surface form對科學文獻進行分類
      8.5.1  導入所需的庫
      8.5.2  下載surface form的詞嵌入和SciGraph論文
      8.5.3  讀取並準備分類數據集
      8.5.4  surface form的詞嵌入
      8.5.5  創建嵌入層
      8.5.6  訓練一個卷積神經網路
    8.6  本章小結
  第9章  知識圖譜的詞嵌入空間對齊與應用
    9.1  引言
    9.2  概述及可能的應用
      9.2.1  知識圖譜的補全
      9.2.2  超越多語言性：跨模態的詞嵌入
    9.3  詞嵌入空間的對齊技術
      9.3.1  線性對齊
      9.3.2  非線性對齊
    9.4  練習：尋找古代英語和現代英語的對應
      9.4.1  下載小型文本語料庫
      9.4.2  學習基於老莎士比亞語料庫的Swivel詞嵌入
      9.4.3  在WordNet之上載入UMBC的Vecsigrafo
      9.4.4  練習的結論
    9.5  本章小結
第三部分  應用
  第10章  一種虛假信息分析的混合方法
    10.1  引言
    10.2  虛假信息檢測
      10.2.1  定義和背景
      10.2.2  技術方法
    10.3  應用：構建斷言資料庫
      10.3.1  訓練一個語義斷言編碼器
      10.3.2  創建嵌入的一個語義索引並進行探索
      10.3.3  以STS-B開發數據集填充索引
      10.3.4  為一個斷言數據集創建另一個索引
      10.3.5  載入數據集到一個Pandas的DataFrame
      10.3.6  構建一個斷言資料庫的總結
    10.4  應用：假新聞和欺騙性語言檢測
      10.4.1  使用深度學習的基本文檔分類
      10.4.2  使用HolE的嵌入
      10.4.3  使用Vecsigrafo UMBC WNet的嵌入
      10.4.4  HoLE和UMBC嵌入的結合
      10.4.5  討論與結果
    10.5  通過一個知識圖譜得到傳播虛假信息的評分

      10.5.1  Data Commons Claim-Review的知識圖譜
      10.5.2  不可信度評分的傳播
    10.6  本章小結
  第11章  科學領域中文本與視覺信息的聯合學習
    11.1  引言
    11.2  圖例-標題對應分析的模型與架構
    11.3  數據集
    11.4  評估圖例-標題的對應分析任務
    11.5  圖例-標題的對應分析與圖像-句子匹配的對比
    11.6  標題與圖例的分類
    11.7  教科書問答的多模態機器理解
    11.8  圖例-標題對應分析的練習
      11.8.1  預備步驟
      11.8.2  圖例-標題的對應分析
      11.8.3  圖像-句子匹配
      11.8.4  標題/圖例分類
      11.8.5  教科書問答
    11.9  本章小結
  第12章  展望自然語言處理的未來
    12.1  最終的評論、想法和願景
    12.2  趨勢是什麼？社會各界的意見
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032