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

人工智慧時代的語言學/智能科學與技術叢書

  • 作者：(美)馬喬里·麥克肖恩//謝爾蓋·尼倫伯格|責編:姚蕾|譯者:徐金安
  • 出版社：機械工業
  • ISBN：9787111801481
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：300
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書由倫斯勒理工學院的兩位認知科學家合著，探討了目前的人工智慧學習方法在自然語言理解中的瓶頸，並嘗試探索未來發展智能代理的途徑。作者介紹了一種將自然語言理解能力操作化的方法，稱為「賦予語言能力的智能體」（Language Endowed Intelligent Agents，LEIA）。該方法仿照人類智能體和建模方式，能在減少訓練模型數據量的情況下，進一步提升人工智慧理解人類語言的準確性，旨在實現可解釋、能學習、會協作的AI。
    本書主要從認知建模和系統構建的角度來描述LEIA的語言理解能力，其突出的設計特點在於可操作性和實用性。本書共9章，盡量做到通用性與特定性的平衡：第2?7章以相對通用的術語講解大部分內容，不過分關注實施細節，而是重點強調認知建模過程中的決策制定；最後兩章介紹具體內容，使用微理論開發的系統（第8章）和LEIA語言理解能力評估方法（第9章）。
    本書內容豐富詳盡，尤其是在當前深度學習和大模型技術盛行的背景下，全書隻字不提深度學習和大模型，但提倡基於知識系統與機器學習融合的認知建模，為廣大專業人士提供了開發經驗和創新思路。因此，該書不僅適用於高校人工智慧、認知科學、語言學方向的本科生和研究生閱讀學習，還可為相關領域的研究與開發人員提供參考。
作者介紹
(美)馬喬里·麥克肖恩//謝爾蓋·尼倫伯格|責編:姚蕾|譯者:徐金安
目錄
譯者序
前言
致謝
第1章  對人工智慧時代的語言學展望
  1.1  什麼是人工智慧時代的語言學
  1.2  語言難在哪裡
  1.3  自然語言處理的歷史
  1.4  人工智慧時代的語言學的四大支柱
    1.4.1  支柱理論1：語言處理功能是在一個集成、全面的智能體架構中開發的
    1.4.2  支柱理論2：建模受人類啟發，面向人工智慧的解釋性和可行性
    1.4.3  支柱理論3：啟示是從語言學學術研究中獲得的，反過來又為該學術研究做出貢獻
    1.4.4  支柱理論4：在提取和表示語言輸入的意義時，會納入所有可用的啟髮式證據
  1.5  本書的目標
  1.6  深入探討
    1.6.1  現象學立場
    1.6.2  學習
    1.6.3  NLP和NLU：不是非此即彼
    1.6.4  認知系統：總覽
    1.6.5  AI的可解釋性
    1.6.6  NLP歷史上的增量
    1.6.7  為什麼機器可讀的、面向人類的資源仍然不足
    1.6.8  知識精益範式中的共指
    1.6.9  對話行為檢測
    1.6.10  關聯
    1.6.11  關於經驗主義的NLP的更多內容
    1.6.12  人工語料庫註釋：貢獻、複雜性和局限性
  1.7  進一步探索
第2章  LEIA中的自然語言理解概述
  2.1  理論、方法和策略
  2.2  熱身示例
  2.3  知識庫
    2.3.1  本體
    2.3.2  詞典
    2.3.3  情景記憶
  2.4  增量
  2.5  NLU的階段及關聯決策制定
    2.5.1  預語義分析后的決策制定
    2.5.2  預語義整合后的決策制定
    2.5.3  基礎語義分析后的決策制定
    2.5.4  基礎共指消解后的決策制定
    2.5.5  擴展語義分析后的決策制定
    2.5.6  情境推理后的決策制定
  2.6  微理論
  2.7  「黃金」文本意義表示
  2.8  深入探討
    2.8.1  LEIA知識表示語言與其他選項
    2.8.2  本體問題
    2.8.3  詞典問題
    2.8.4  自然語言和本體元語言中的釋義
  2.9  進一步探索

第3章  預語義分析和整合
  3.1  預語義分析
  3.2  預語義整合
    3.2.1  句法映射：基本策略
    3.2.2  從產生的錯誤中恢復
    3.2.3  學習新單詞和詞義
    3.2.4  優化不準確的句法映射
    3.2.5  某些句法決策的重新解釋
    3.2.6  處理已知類型的解析錯誤
    3.2.7  從恢復演算法到工程策略
  3.3  管理組合複雜性
  3.4  總結
  3.5  進一步探索
第4章  基礎語義分析
  4.1  修飾
    4.1.1  記錄屬性值
    4.1.2  標量屬性的動態計算值
    4.1.3  使用概念組合解釋修飾語
    4.1.4  相對文本成分的動態計算值
    4.1.5  量化和集合
    4.1.6  間接修飾
    4.1.7  回顧
  4.2  命題級語義增強
    4.2.1  情態
    4.2.2  動詞體
    4.2.3  非情態、非體框架動詞
    4.2.4  疑問
    4.2.5  祈使
    4.2.6  回顧
  4.3  作為辭彙構造的多成分實體
    4.3.1  構造中的語義空成分
    4.3.2  零語義的典型用途
    4.3.3  零語義成分的修飾
    4.3.4  語義層次結構
    4.3.5  額外的知識表示需求
    4.3.6  回顧
  4.4  間接言語行為的辭彙化
  4.5  名詞複合詞的辭彙化
  4.6  隱喻的辭彙化
    4.6.1  過去關於隱喻的工作
    4.6.2  傳統隱喻
    4.6.3  系動詞隱喻
    4.6.4  回顧
  4.7  轉喻的辭彙化
  4.8  省略
    4.8.1  動詞短語省略
    4.8.2  動詞短語省略結構
    4.8.3  事件省略：體+NP賓語
    4.8.4  事件省略：辭彙特質
    4.8.5  事件省略：變化條件

    4.8.6  省略
    4.8.7  中心詞省略
    4.8.8  回顧
  4.9  片段式表述
  4.10  不選擇可選直接賓語
  4.11  未知辭彙
    4.11.1  完全未知的辭彙
    4.11.2  詞性不同的已知辭彙
  4.12  總結
  4.13  進一步探索
第5章  基礎共指消解
  5.1  指代消解的非技術性概述
    5.1.1  定義
    5.1.2  基於示例的概述
    5.1.3  共指消解面臨的挑戰
    5.1.4  關於省略的特殊注意事項
    5.1.5  總結
  5.2  人稱代詞
    5.2.1  使用外部開發的引擎解析人稱代詞
    5.2.2  使用辭彙句法構造解析人稱代詞
    5.2.3  假設代詞共指的語義判定
    5.2.4  回顧
  5.3  代詞廣義指稱表達
    5.3.1  使用構造方法解析代詞廣義指稱表達
    5.3.2  在語法簡單的上下文中解析代詞廣義指稱表達
    5.3.3  使用必須停止標識解析代詞廣義指稱表達
    5.3.4  使用謂語名詞的意義解析代詞廣義指稱表達
    5.3.5  使用選擇約束解析代詞廣義指稱表達
    5.3.6  回顧
  5.4  確定性描述
    5.4.1  確定性描述處理——現狀回顧
    5.4.2  確定性描述處理——基礎共指消解階段
    5.4.3  確定性描述處理——情境推理階段
    5.4.4  回顧
  5.5  回指事件共指
    5.5.1  支撐詞的動詞/EVENT中心詞是什麼
    5.5.2  事件之間是否存在實例共指或類型共指
    5.5.3  動詞短語中的賓語之間是否存在實例共指或類型共指
    5.5.4  支撐詞從句中的修飾語應被納入解析還是排除在外
    5.5.5  情態動詞和其他限定詞應被納入解析還是排除在外
    5.5.6  回顧
  5.6  其他省略或未具體指定的事件
  5.7  動詞表達的共指事件
  5.8  進一步探索
第6章  擴展語義分析
  6.1  處理殘餘歧義
    6.1.1  對象通過基本屬性連接
    6.1.2  對象是同一事件的格角色填充項
    6.1.3  對象通過可本體分解的屬性連接
    6.1.4  對象通過模糊屬性進行聚類

    6.1.5  對象通過動態計算的短本體路徑連接
    6.1.6  使用TMR庫進行類比推理
    6.1.7  回顧
  6.2  解決不一致問題
    6.2.1  轉喻
    6.2.2  介詞替換
    6.2.3  習語的創造性使用
    6.2.4  動態計算的間接修飾
    6.2.5  回顧
  6.3  解決未指定問題
    6.3.1  未被辭彙意義覆蓋的名詞複合詞
    6.3.2  變更事件中的缺失值
    6.3.3  欠依據和未指定的比較
    6.3.4  回顧
  6.4  將片段融入話語意義
  6.5  進一步探索
第7章  情境推理
  7.1  OntoAgent認知架構
  7.2  破碎的語法
  7.3  殘餘辭彙歧義：基於領域的偏好
  7.4  殘餘言語行為歧義
  7.5  未指定的已知表達
  7.6  未指定的未知詞分析
  7.7  情境指代
    7.7.1  審核先前識別的語言支撐詞的RefEx
    7.7.2  識別剩餘RefEx的支撐詞
    7.7.3  將與所有RefEx關聯的TMR錨定到記憶中
  7.8  殘餘隱含意義
  7.9  閱讀學習
第8章  智能體應用：深度集成自然語言理解的合理性
  8.1  馬里蘭虛擬病人系統
    8.1.1  生理建模
    8.1.2  示例：GERD的疾病模型
    8.1.3  認知建模
    8.1.4  系統運行示例
    8.1.5  可視化疾病模型
    8.1.6  MVP風格模型在多大程度上可以從文本中自動學習
    8.1.7  認知模型在多大程度上可以從人類中自動提取
  8.2  用於標記認知偏差的臨床助手
    8.2.1  避免偏差的記憶支持
    8.2.2  檢測和標記臨床醫生偏差
    8.2.3  檢測和標記患者偏差
  8.3  LEIA在機器人中的應用
  8.4  關於智能體應用的要點
第9章  評估進展
  9.1  評估選項，以及為什麼標準選項不適用
  9.2  五個組件級別的評估實驗
    9.2.1  名詞複合
    9.2.2  多詞表達
    9.2.3  辭彙消歧與語義依存結構的建立

    9.2.4  困難的指稱表達
    9.2.5  動詞短語省略
  9.3  整體評估
  9.4  最後的思考
後記
註釋
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