幫助中心 | 我的帳號 | 關於我們

深度序列模型與自然語言處理(基於TensorFlow2實踐)

  • 作者:阮翀|責編:趙軍
  • 出版社:清華大學
  • ISBN:9787302629610
  • 出版日期:2023/05/01
  • 裝幀:平裝
  • 頁數:343
人民幣:RMB 99 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書以自然語言和語音信號處理兩大應用領域為載體,詳細介紹深度學習中的各種常用序列模型。在講述理論知識的同時輔以代碼實現和講解,幫助讀者深入掌握相關知識技能。
    本書共12章,不僅涵蓋了詞向量、循環神經網路、卷積神經網路、Transformer等基礎知識,還囊括了注意力機制、序列到序列問題等高級專題,同時還包含其他書籍中較少涉及的預訓練語言模型、生成對抗網路、強化學習、流模型等前沿內容,以拓寬讀者視野。
    本書既適合互聯網公司演算法工程師等群體閱讀,又可以作為本科高年級或研究生級別的自然語言處理和深度學習課程的參考教材。

作者介紹
阮翀|責編:趙軍
    阮翀,北京大學計算語言學研究所碩士,在國內外多個會議和期刊上發表過多篇自然語言處理相關論文。曾負責網易有道離線神經網路機器翻譯模塊和Kikatech印度輸入法引擎演算法研發工作,並撰寫相關專利。在知乎平台上回答深度學習和自然語言處理相關問題,多個回答獲得編輯推薦,受到上萬粉絲關注。

目錄
第1章  深度學習與自然話言處理概述
  1.1  自然語言處理簡史
    1.1.1  自然語言處理能做什麼
    1.1.2  自然語言處理的發展史
  1.2  深度學習的興起
    1.2.1  從機器學習到深度學習
    1.2.2  深度學習框架
    1.2.3  TensorFlow 2程序樣例
第2章  詞向量的前世今生
  2.1  文本預處理的流程
  2.2  前深度學習時代的詞向量
    2.2.1  獨熱向量
    2.2.2  分散式表示
  2.3  深度學習時代的詞向量
    2.3.1  詞向量的分類
    2.3.2  可視化詞向量
    2.3.3  詞向量在下游任務中的使用
  2.4  Word2vec數學原理
    2.4.1  語言模型及其評價
    2.4.2  神經網路概率語言模型
    2.4.3  Word2vec原理
  2.5  用TensorFlow實現Word2vec
    2.5.1  數據準備
    2.5.2  模型構建及訓練
    2.5.3  詞向量評估與Gensim實踐
第3章  循環神經網路之一:輸入和輸出
  3.1  循環神經網路的輸入和輸出
    3.1.1  循環神經網路的狀態與輸出
    3.1.2  輸入和輸出一一對應
    3.1.3  一對多和多對一
    3.1.4  任意長度的輸入和輸出
  3.2  區分RNN和RNNCell
    3.2.1  基類Layer
    3.2.2  RNNCell介面
    3.2.3  RNN介面
  3.3  簡單循環神經網路實例
  3.4  三種常見的RNN
    3.4.1  SimpleRNN
    3.4.2  LSTM
    3.4.3  GRU
  3.5  雙向和多層RNN
    3.5.1  雙向RNN
    3.5.2  單向多層RNN
    3.5.3  雙向多層RNN
第4章  循環神經網路之二:高級
  4.1  在RNN中使用Dropout
    4.1.1  全連接層中的Dropout
  ……
第5章  循環神經網路之三:實戰技巧
第6章  序列到序列問題

第7章  注意力機制
第8章  超越序列表示:樹和圖
第9章  卷積神經網路
第10章  Transformer
第11章  預訓練語言模型
第12章  其他複雜模型
參考文獻
附錄一  插圖
附錄二  演算法
附錄三  術語表

  • 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