中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
基于深度學習的自然語言處理 版權信息
- ISBN：9787111593737
- 條形碼：9787111593737 ; 978-7-111-59373-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于深度學習的自然語言處理 本書特色
自然語言處理是人工智能領域的一個重要的研究方向，是計算機科學與語言學的交叉學科。隨著互聯網的快速發展，網絡文本尤其是用戶生成的文本呈爆炸性增長，為自然語言處理帶來了巨大的應用需求。但是由于自然語言具有歧義性、動態性和非規范性，同時語言理解通常需要豐富的知識和一定的推理能力，為自然語言處理帶來了極大的挑戰。近年來如火如荼的深度學習技術為解決自然語言處理問題的解決提供了一種可能的思路，已成為有效推動自然語言處理技術發展的變革力量。
本書系統闡述將深度學習技術應用于自然語言處理的方法和技術，深入淺出地介紹了深度學習的基本知識及各種常用的網絡結構，并重點介紹了如何使用這些技術處理自然語言。
本書主要面向高等院校自然語言處理和機器學習方向的研究生，也適合自然語言處理或機器學習領域的研究人員以及工業界從事智能相關領域呀發的專業人員閱讀參考。
基于深度學習的自然語言處理 內容簡介
（1）自然語言處理是人工智能領域的一個重要的研究方向，有著巨大的應用需求，但是由于自然語言具有歧義性、動態性和非規范性，同時語言理解通常需要豐富的知識和一定的推理能力，存在極大的挑戰。深度學習技術為解決NLP問題提供了一種可能的思路，已成為有效推動自然語言處理技術發展的變革力量。
（2）本書的作者和譯者都是國內外NLP領域非常活躍的青年學者，他們關注的方法和技術代表和預示著目前和未來NLP領域的趨勢。
（3）本書系統闡述將深度學習技術應用于自然語言處理的方法和技術，深入淺出地介紹了深度學習的基本知識及各種常用的網絡結構，并重點介紹了如何使用這些技術處理自然語言。
基于深度學習的自然語言處理 目錄
目錄
Neural Network Methods for Natural Language Processing
譯者序
前言
致謝
第1章引言
1.1自然語言處理的挑戰
1.2神經網絡和深度學習
1.3自然語言處理中的深度學習
1.4本書的覆蓋面和組織結構
1.5本書未覆蓋的內容
1.6術語
1.7數學符號
注釋
**部分有監督分類與前饋神經網絡
第2章學習基礎與線性模型
2.1有監督學習和參數化函數
2.2訓練集、測試集和驗證集
2.3線性模型
2.3.1二分類
2.3.2對數線性二分類
2.3.3多分類
2.4表示
2.5獨熱和稠密向量表示
2.6對數線性多分類
2.7訓練和*優化
2.7.1損失函數
2.7.2正則化
2.8基于梯度的*優化
2.8.1隨機梯度下降
2.8.2實例
2.8.3其他訓練方法
第3章從線性模型到多層感知器
3.1線性模型的局限性：異或問題
3.2非線性輸入轉換
3.3核方法
3.4可訓練的映射函數
第4章前饋神經網絡
4.1一個關于大腦的比喻
4.2數學表示
4.3表達能力
4.4常見的非線性函數
4.5損失函數
4.6正則化與丟棄法
4.7相似和距離層
4.8嵌入層
第5章神經網絡訓練
5.1計算圖的抽象概念
5.1.1前向計算
5.1.2反向計算（導數、反向傳播）
5.1.3軟件
5.1.4實現流程
5.1.5網絡構成
5.2實踐經驗
5.2.1優化算法的選擇
5.2.2初始化
5.2.3重啟與集成
5.2.4梯度消失與梯度爆炸
5.2.5飽和神經元與死神經元
5.2.6隨機打亂
5.2.7學習率
5.2.8minibatch
第二部分處理自然語言數據
第6章文本特征構造
6.1NLP分類問題中的拓撲結構
6.2NLP問題中的特征
6.2.1直接可觀測特征
6.2.2可推斷的語言學特征
6.2.3核心特征與組合特征
6.2.4n元組特征
6.2.5分布特征
第7章NLP特征的案例分析
7.1文本分類：語言識別
7.2文本分類：主題分類
7.3文本分類：作者歸屬
7.4上下文中的單詞：詞性標注
7.5上下文中的單詞：命名實體識別
7.6上下文中單詞的語言特征：介詞詞義消歧
7.7上下文中單詞的關系：弧分解分析
第8章從文本特征到輸入
8.1編碼分類特征
8.1.1獨熱編碼
8.1.2稠密編碼（特征嵌入）
8.1.3稠密向量與獨熱表示
8.2組合稠密向量
8.2.1基于窗口的特征
8.2.2可變特征數目：連續詞袋
8.3獨熱和稠密向量間的關系
8.4雜項
8.4.1距離與位置特征
8.4.2補齊、未登錄詞和詞丟棄
8.4.3特征組合
8.4.4向量共享
8.4.5維度
8.4.6嵌入的詞表
8.4.7網絡的輸出
8.5例子：詞性標注
8.6例子：弧分解分析
第9章語言模型
9.1語言模型任務
9.2語言模型評估：困惑度
9.3語言模型的傳統方法
9.3.1延伸閱讀
9.3.2傳統語言模型的限制
9.4神經語言模型
9.5使用語言模型進行生成
9.6副產品：詞的表示
第10章預訓練的詞表示
10.1隨機初始化
10.2有監督的特定任務的預訓練
10.3無監督的預訓練
10.4詞嵌入算法
10.4.1分布式假設和詞表示
10.4.2從神經語言模型到分布式表示
10.4.3詞語聯系
10.4.4其他算法
10.5上下文的選擇
10.5.1窗口方法
10.5.2句子、段落或文檔
10.5.3句法窗口
10.5.4多語種
10.5.5基于字符級別和子詞的表示
10.6處理多字單元和字變形
10.7分布式方法的限制
第11章使用詞嵌入
11.1詞向量的獲取
11.2詞的相似度
11.3詞聚類
11.4尋找相似詞
11.5同中選異
11.6短文檔相似度
11.7詞的類比
11.8改裝和映射
11.9實用性和陷阱
第12章案例分析:一種用于句子意義推理的前饋結構
12.1自然語言推理與 SNLI數據集
12.2文本相似網絡
第三部分特殊的結構
第13章n元語法探測器：卷積神經網絡
13.1基礎卷積池化
13.1.1文本上的一維卷積
13.1.2向量池化
13.1.3變體
13.2其他選擇：特征哈希
13.3層次化卷積
第14章循環神經網絡：序列和棧建模
14.1RNN抽象描述
14.2RNN的訓練
14.3RNN常見使用模式
14.3.1接收器
14.3.2編碼器
14.3.3傳感器
14.4雙向RNN
14.5堆疊RNN
14.6用于表示棧的RNN
14.7文獻閱讀的注意事項
第15章實際的循環神經網絡結構
15.1作為RNN的CBOW
15.2簡單RNN
15.3門結構
15.3.1長短期記憶網絡
15.3.2門限循環單元
15.4其他變體
15.5應用到RNN的丟棄機制
第16章通過循環網絡建模
16.1接收器
16.1.1情感分類器
16.1.2主謂一致語法檢查
16.2作為特征提取器的RNN
16.2.1詞性標注
16.2.2RNNCNN文本分類
16.2.3弧分解依存句法分析
第17章條件生成
17.1RNN生成器
17.2條件生成（編碼器解碼器）
17.2.1序列到序列模型
17.2.2應用
17.2.3其他條件上下文
17.3無監督的句子相似性
17.4結合注意力機制的條件生成
17.4.1計算復雜性
17.4.2可解釋性
17.5自然語言處理中基于注意力機制的模型
17.5.1機器翻譯
17.5.2形態屈折
17.5.3句法分析
第四部分其他主題
第18章用遞歸神經網絡對樹建模
18.1形式化定義
18.2擴展和變體
18.3遞歸神經網絡的訓練
18.4一種簡單的替代——線性化樹
18.5前景
第19章結構化輸出預測
19.1基于搜索的結構化預測
19.1.1基于線性模型的結構化預測
19.1.2非線性結構化預測
19.1.3概率目標函數（CRF）
19.1.4近似搜索
19.1.5重排序
19.1.6參考閱讀
19.2貪心結構化預測
19.3條件生成與結構化輸出預測
19.4
展開全部
基于深度學習的自然語言處理 作者簡介
約阿夫o戈爾德貝格（Yoav Goldberg）
以色列巴伊蘭大學計算機科學系高級講師，曾任Google Research研究員。他于2011年獲得本·古里安大學博士學位。他曾經擔任EMNLP、EACL等重要國際會議領域主席，在自然語言處理領域發表論文50余篇，并多次獲得最佳論文以及杰出論文獎。同時他也是自然語言處理領域頂級期刊《Computational Linguistics》的編輯部成員。他的研究方向包括面向自然語言處理的機器學習方法，結構預測，句法與詞法分析等。近幾年，他專注于神經網絡模型，在基于深度學習的自然語言處理方法上作出了重要貢獻，同時他也是主流深度學習工具包DyNet的主要研發者之一。
譯者和主審簡介
約阿夫o戈爾德貝格（Yoav Goldberg）
以色列巴伊蘭大學計算機科學系高級講師，曾任Google Research研究員。他于2011年獲得本·古里安大學博士學位。他曾經擔任EMNLP、EACL等重要國際會議領域主席，在自然語言處理領域發表論文50余篇，并多次獲得最佳論文以及杰出論文獎。同時他也是自然語言處理領域頂級期刊《Computational Linguistics》的編輯部成員。他的研究方向包括面向自然語言處理的機器學習方法，結構預測，句法與詞法分析等。近幾年，他專注于神經網絡模型，在基于深度學習的自然語言處理方法上作出了重要貢獻，同時他也是主流深度學習工具包DyNet的主要研發者之一。
譯者和主審簡介
車萬翔，博士，哈爾濱工業大學教授，博士生導師，斯坦福大學訪問學者。研究方向為自然語言處理。在CoNLL、SANCL、SemEal等國際評測獲得過冠軍。任ACL、COLING、EMNLP等國際會議領域主席。負責研發的語言技術平臺（LTP）已被600余家單位共享，并授權給百度、騰訊、華為等公司使用。曾獲黑龍江科技進步一等獎、技術發明二等獎；漢王青年創新獎一等獎；錢偉長中文信息處理科學獎等獎項。2017年所主講的《Python語言程序設計》課程獲國家精品在線開放課程。
郭江，博士，畢業于哈爾濱工業大學社會計算與信息檢索研究中心，就讀期間先后于美國普林斯頓大學以及約翰·霍普金斯大學進行訪問研究，現為美國麻省理工學院計算機科學與人工智能實驗室博士后研究員。研究領域主要為自然語言處理與機器學習。在人工智能，自然語言處理等領域國際重要會議及期刊（如ACL, EMNLP, AAAI, IJCAI, JAIR等）上發表論文10余篇。
張偉男，哈爾濱工業大學計算機學院社會計算與信息檢索研究中心，博士/講師/碩導。在ACL、AAAI、IJCAI及IEEE TKDE等CCF A類國際會議及國際頂級期刊發表論文多篇。中國中文信息學會（CIPS）信息檢索專委會委員、青年工作委員會委員，中國人工智能學會（CAAI）青年工作委員會委員。曾獲黑龍江省科技進步一等獎、中國人工智能學會最佳青年成果獎、中國人工智能學會"合創杯"第二屆全國青年創新創業大賽三等獎。
劉銘，博士，哈爾濱工業大學副教授，博士生導師，美國南加州大學訪問學者。研究領域包括文本挖掘、命名實體識別、實體鏈接等。先后主持國家自然科學基金、中國博士后科學基金特別資助、騰訊-CCF犀牛鳥創意基金等多項基金項目。 在人工智能、數據挖掘、自然語言處理等領域國際期刊和會議上發表論文20余篇（如TKDE、TOIS、IJCAI、ACL、ICDE等）。獲黑龍江省科學技術一等獎一項, 獲哈爾濱市科技成果一項。
主審：劉挺
劉挺，哈爾濱工業大學教授，社會計算與信息檢索研究中心主任，國家"萬人計劃"科技創新領軍人才。多次擔任國家863重點項目總體組專家、基金委會評專家。中國計算機學會理事，中國中文信息學會常務理事、社會媒體處理專委會（SMP）主任，曾任國際頂級會議ACL、EMNLP領域主席。主要研究方向為人工智能、自然語言處理和社會計算，是國家973課題、國家自然科學基金重點項目負責人。主持研制"語言技術平臺LTP"、"大詞林"等科研成果被業界廣泛使用。曾獲國家科技進步二等獎、省科技進步一等獎、錢偉長中文信息處理科學技術一等獎等。
書友推薦
- >
李白與唐代文化
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
有舍有得是人生
- >
月亮虎
- >
回憶愛瑪儂
- >
推拿
- >
中國歷史的瞬間
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
