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

動手學自然語言處理(新一代人工智慧實戰型人才培養系列教程)

  • 作者：屠可偉//王新宇//曲彥儒//俞勇|責編:劉雅思
  • 出版社：人民郵電
  • ISBN：9787115636461
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：238
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書介紹自然語言處理的原理和方法及其代碼實現，是一本著眼于自然語言處理教學實踐的圖書。
    本書分為3個部分。第一部分介紹基礎技術，包括文本規範化、文本表示、文本分類、文本聚類。第二部分介紹自然語言的序列建模，包括語言模型、序列到序列模型、預訓練語言模型、序列標注。第三部分介紹自然語言的結構建模，包括成分句法分析、依存句法分析、語義分析、篇章分析。本書將自然語言處理的理論與實踐相結合，提供所介紹方法的代碼示例，能夠幫助讀者掌握理論知識並進行動手實踐。
    本書適合作為高校自然語言處理課程的教材，也可作為相關行業的研究人員和開發人員的參考資料。
作者介紹
屠可偉//王新宇//曲彥儒//俞勇|責編:劉雅思
目錄
  第1章  初探自然語言處理
    1.1  自然語言處理是什麼
    1.2  自然語言處理的應用
    1.3  自然語言處理的難點
    1.4  自然語言處理的方法論
    1.5  小結
第一部分  基礎
  第2章  文本規範化
    2.1  分詞
      2.1.1  基於空格與標點符號的分詞
      2.1.2  基於正則表達式的分詞
      2.1.3  詞間不含空格的語言的分詞
      2.1.4  基於子詞的分詞
    2.2  詞規範化
      2.2.1  大小寫摺疊
      2.2.2  詞目還原
      2.2.3  詞幹還原
    2.3  分句
    2.4  小結
  第3章  文本表示
    3.1  詞的表示
    3.2  稀疏向量表示
    3.3  稠密向量表示
      3.3.1  word2vec
      3.3.2  上下文相關詞嵌入
    3.4  文檔表示
      3.4.1  詞-文檔共現矩陣
      3.4.2  TF-IDF加權
      3.4.3  文檔的稠密向量表示
    3.5  小結
  第4章  文本分類
    4.1  基於規則的文本分類
    4.2  基於機器學習的文本分類
      4.2.1  樸素貝葉斯
      4.2.2  邏輯斯諦回歸
    4.3  分類結果評價
    4.4  小結
  第5章  文本聚類
    5.1  k均值聚類演算法
    5.2  基於高斯混合模型的最大期望值演算法
      5.2.1  高斯混合模型
      5.2.2  最大期望值演算法
    5.3  無監督樸素貝葉斯模型
    5.4  主題模型
    5.5  小結
第二部分  序列
  第6章  語言模型
    6.1  概述
    6.2  n元語法模型
    6.3  循環神經網路

      6.3.1  循環神經網路
      6.3.2  長短期記憶
      6.3.3  多層雙向循環神經網路
    6.4  注意力機制多頭注意力
    6.5  Transformer模型
    6.6  小結
  第7章  序列到序列模型
    7.1  基於神經網路的序列到序列模型
      7.1.1  循環神經網路
      7.1.2  注意力機制
      7.1.3  Transformer
    7.2  學習
    7.3  解碼
      7.3.1  貪心解碼
      7.3.2  束搜索解碼
      7.3.3  其他解碼問題與解決技巧
    7.4  指針網路
    7.5  序列到序列任務的延伸
    7.6  小結
  第8章  預訓練語言模型
    8.1  ELMo：基於語言模型的上下文相關詞嵌入
    8.2  BERT：基於Transformer的雙向編碼器表示
      8.2.1  掩碼語言模型
      8.2.2  BERT模型
      8.2.3  預訓練
      8.2.4  微調與提示
      8.2.5  BERT代碼演示
      8.2.6  BERT模型擴展
    8.3  GPT：基於Transformer的生成式預訓練語言模型
      8.3.1  GPT模型的歷史
      8.3.2  GPT-2訓練演示
      8.3.3  GPT的使用
    8.4  基於編碼器-解碼器的預訓練語言模型
    8.5  基於HuggingFace的預訓練語言模型使用
      8.5.1  文本分類
      8.5.2  文本生成
      8.5.3  問答
      8.5.4  文本摘要
    8.6  小結
  第9章  序列標注
    9.1  序列標注任務
      9.1.1  詞性標注
      9.1.2  中文分詞
      9.1.3  命名實體識別
      9.1.4  語義角色標注
    9.2  隱馬爾可夫模型
      9.2.1  模型
      9.2.2  解碼
      9.2.3  輸入序列的邊際概率
      9.2.4  單個標籤的邊際概率

      9.2.5  監督學習
      9.2.6  無監督學習
      9.2.7  部分代碼實現
    9.3  條件隨機場
      9.3.1  模型
      9.3.2  解碼
      9.3.3  監督學習
      9.3.4  無監督學習
      9.3.5  部分代碼實現
    9.4  神經序列標注模型
      9.4.1  神經softmax
      9.4.2  神經條件隨機場
      9.4.3  代碼實現
    9.5  小結
第三部分  結構
  第10章  成分句法分析
    10.1  成分結構
    10.2  成分句法分析概述
      10.2.1  歧義性與打分
      10.2.2  解碼
      10.2.3  學習
      10.2.4  評價指標
    10.3  基於跨度的成分句法分析
      10.3.1  打分
      10.3.2  解碼
      10.3.3  學習
    10.4  基於轉移的成分句法分析
      10.4.1  狀態與轉移
      10.4.2  轉移的打分
      10.4.3  解碼
      10.4.4  學習
    10.5  基於上下文無關文法的成分句法分析
      10.5.1  上下文無關文法
      10.5.2  解碼和學習
    10.6  小結
  第11章  依存句法分析
    11.1  依存結構
      11.1.1  投射性
      11.1.2  與成分結構的關係
    11.2  依存句法分析概述
      11.2.1  打分、解碼和學習
      11.2.2  評價指標
    11.3  基於圖的依存句法分析
      11.3.1  打分
      11.3.2  解碼
      11.3.3  Eisner演算法
      11.3.4  MST演算法
      11.3.5  高階方法
      11.3.6  監督學習
    11.4  基於轉移的依存句法分析

      11.4.1  狀態與轉移
      11.4.2  打分、解碼與學習
    11.5  小結
  第12章  語義分析
    12.1  顯式和隱式的語義表示
    12.2  詞義表示
      12.2.1  WordNet
      12.2.2  詞義消歧
    12.3  語義表示
      12.3.1  專用和通用的語義表示
      12.3.2  一階邏輯
      12.3.3  語義圖
    12.4  語義分析
      12.4.1  基於句法的語義分析
      12.4.2  基於神經網路的語義分析
      12.4.3  弱監督學習
    12.5  語義角色標注
      12.5.1  語義角色標註標准
      12.5.2  語義角色標注方法
    12.6  信息提取
    12.7  小結
  第13章  篇章分析
    13.1  篇章
      13.1.1  連貫性關係
      13.1.2  篇章結構
      13.1.3  篇章分析
    13.2  共指消解
      13.2.1  提及檢測
      13.2.2  提及聚類
    13.3  小結
總結與展望
參考文獻
中英文術語對照表
附錄

  • 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