掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 動(dòng)手學(xué)自然語(yǔ)言處理
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
238
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥62.9
加入購(gòu)物車(chē)
動(dòng)手學(xué)自然語(yǔ)言處理 版權(quán)信息
- ISBN：9787115636461
- 條形碼：9787115636461 ; 978-7-115-63646-1
- 裝幀：平裝
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
動(dòng)手學(xué)自然語(yǔ)言處理 本書(shū)特色
·名家作品：上海交通大學(xué)ACM班創(chuàng)辦人俞勇教授、上海科技大學(xué)博士生導(dǎo)師屠可偉副教授等共同編寫(xiě)·多位業(yè)內(nèi)大咖力薦：文繼榮|周明|邱錫鵬|李磊|楊笛一等學(xué)術(shù)及工業(yè)界大咖力薦·配套資源豐富：配套源代碼+在線視頻課程+在線討論區(qū)+在線習(xí)題+教學(xué)課件，助你輕松入門(mén)并系統(tǒng)學(xué)習(xí)大模型背后的自然語(yǔ)言處理底層技術(shù)本書(shū)深度整合了自然語(yǔ)言處理的理論精髓與實(shí)戰(zhàn)智慧，內(nèi)容講解深入淺出、代碼實(shí)例豐富易學(xué)，為培養(yǎng)自然語(yǔ)言處理領(lǐng)域的實(shí)戰(zhàn)型人才提供了堅(jiān)實(shí)的理論基石與豐富的實(shí)戰(zhàn)資源，是渴望學(xué)習(xí)自然語(yǔ)言處理的讀者**的入門(mén)寶典。 ——文繼榮 中國(guó)人民大學(xué)高瓴人工智能學(xué)院執(zhí)行院長(zhǎng)、信息學(xué)院院長(zhǎng)在智能化浪潮下，懂技術(shù)、知應(yīng)用的實(shí)戰(zhàn)型人工智能人才的重要性日益凸顯。本書(shū)以深入淺出的理論講解為基礎(chǔ)，輔以清晰明了的代碼解析，幫助讀者將自然語(yǔ)言處理的理論與實(shí)戰(zhàn)融會(huì)貫通，值得廣大讀者深度研讀。 ——周明 瀾舟科技創(chuàng)始人，ACL 原主席，CCF 原副理事長(zhǎng)，微軟亞洲研究院原副院長(zhǎng)學(xué)習(xí)自然語(yǔ)言處理需要將理論與實(shí)戰(zhàn)相結(jié)合。本書(shū)憑借其詳盡的理論闡述、可運(yùn)行的代碼實(shí)例以及配套的習(xí)題與教學(xué)資源，構(gòu)建了一座連接理論與實(shí)戰(zhàn)的橋梁。無(wú)論是新手還是老手，均可使用本書(shū)深化對(duì)自然語(yǔ)言處理的理解并提升實(shí)戰(zhàn)能力。 ——邱錫鵬 復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院教授本書(shū)具有兩大亮點(diǎn)。一是以序列和結(jié)構(gòu)為主線來(lái)組織自然語(yǔ)言處理的關(guān)鍵技術(shù)。序列、結(jié)構(gòu)和語(yǔ)義是語(yǔ)言文字的3個(gè)重要屬性，語(yǔ)言文字是離散符號(hào)的序列，文本又由帶有語(yǔ)義信息的結(jié)構(gòu)組成。二是以指導(dǎo)動(dòng)手實(shí)戰(zhàn)為目標(biāo)，每個(gè)章節(jié)均提供可執(zhí)行代碼，并加以解讀。本書(shū)非常適合作為自然語(yǔ)言處理領(lǐng)域的高校教材，也適合作為工程師的常備工具書(shū)。 ——李磊 卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院助理教授本書(shū)作為一本全面且系統(tǒng)的自然語(yǔ)言處理教材，深入淺出地講解了自然語(yǔ)言處理的基本概念和關(guān)鍵方法，無(wú)論是學(xué)生還是行業(yè)人士，都能夠通過(guò)本書(shū)有效掌握自然語(yǔ)言處理的知識(shí)體系并進(jìn)行動(dòng)手實(shí)戰(zhàn)。 ——楊笛一 斯坦福大學(xué)計(jì)算機(jī)科學(xué)系助理教授
動(dòng)手學(xué)自然語(yǔ)言處理 內(nèi)容簡(jiǎn)介
本書(shū)介紹自然語(yǔ)言處理的原理和方法及其代碼實(shí)現(xiàn)，是一本著眼于自然語(yǔ)言處理教學(xué)實(shí)踐的圖書(shū)。 本書(shū)分為3個(gè)部分。**部分介紹基礎(chǔ)技術(shù)，包括文本規(guī)范化、文本表示、文本分類(lèi)、文本聚類(lèi)。第二部分介紹自然語(yǔ)言的序列建模，包括語(yǔ)言模型、序列到序列模型、預(yù)訓(xùn)練語(yǔ)言模型、序列標(biāo)注。第三部分介紹自然語(yǔ)言的結(jié)構(gòu)建模，包括成分句法分析、依存句法分析、語(yǔ)義分析、篇章分析。本書(shū)將自然語(yǔ)言處理的理論與實(shí)踐相結(jié)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(shí)并進(jìn)行動(dòng)手實(shí)踐。 本書(shū)適合作為高校自然語(yǔ)言處理課程的教材，也可作為相關(guān)行業(yè)的研究人員和開(kāi)發(fā)人員的參考資料。
動(dòng)手學(xué)自然語(yǔ)言處理 目錄
第 1章 初探自然語(yǔ)言處理 1
1.1 自然語(yǔ)言處理是什么 1
1.2 自然語(yǔ)言處理的應(yīng)用 2
1.3 自然語(yǔ)言處理的難點(diǎn) 3
1.4 自然語(yǔ)言處理的方法論 4
1.5 小結(jié) 5
第 一部分 基礎(chǔ)
第 2章 文本規(guī)范化 8
2.1 分詞 8
2.1.1 基于空格與標(biāo)點(diǎn)符號(hào)的分詞 8
2.1.2 基于正則表達(dá)式的分詞 9
2.1.3 詞間不含空格的語(yǔ)言的分詞 12
2.1.4 基于子詞的分詞 13
2.2 詞規(guī)范化 17
2.2.1 大小寫(xiě)折疊 17
2.2.2 詞目還原 18
2.2.3 詞干還原 19
2.3 分句 19
2.4 小結(jié) 20
第3章 文本表示 22
3.1 詞的表示 22
3.2 稀疏向量表示 24
3.3 稠密向量表示 25
3.3.1 word2vec 25
3.3.2 上下文相關(guān)詞嵌入 30
3.4 文檔表示 30
3.4.1 詞-文檔共現(xiàn)矩陣 31
3.4.2 TF-IDF加權(quán) 31
3.4.3 文檔的稠密向量表示 33
3.5 小結(jié) 33
第4章 文本分類(lèi) 35
4.1 基于規(guī)則的文本分類(lèi) 35
4.2 基于機(jī)器學(xué)習(xí)的文本分類(lèi) 36
4.2.1 樸素貝葉斯 36
4.2.2 邏輯斯諦回歸 42
4.3 分類(lèi)結(jié)果評(píng)價(jià) 45
4.4 小結(jié) 47
第5章 文本聚類(lèi) 49
5.1 k均值聚類(lèi)算法 49
5.2 基于高斯混合模型的*大期望值算法 53
5.2.1 高斯混合模型 53
5.2.2 *大期望值算法 53
5.3 無(wú)監(jiān)督樸素貝葉斯模型 57
5.4 主題模型 60
5.5 小結(jié) 61
第二部分 序列
第6章 語(yǔ)言模型 64
6.1 概述 64
6.2 n元語(yǔ)法模型 66
6.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 67
6.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò) 67
6.3.2 長(zhǎng)短期記憶 73
6.3.3 多層雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 76
6.4 注意力機(jī)制 80
多頭注意力 83
6.5 Transformer模型 85
6.6 小結(jié) 91
第7章 序列到序列模型 93
7.1 基于神經(jīng)網(wǎng)絡(luò)的序列到序列模型 93
7.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò) 94
7.1.2 注意力機(jī)制 96
7.1.3 Transformer 98
7.2 學(xué)習(xí) 101
7.3 解碼 106
7.3.1 貪心解碼 106
7.3.2 束搜索解碼 107
7.3.3 其他解碼問(wèn)題與解決技巧 110
7.4 指針網(wǎng)絡(luò) 111
7.5 序列到序列任務(wù)的延伸 112
7.6 小結(jié) 113
第8章 預(yù)訓(xùn)練語(yǔ)言模型 114
8.1 ELMo：基于語(yǔ)言模型的上下文相關(guān)詞嵌入 114
8.2 BERT：基于Transformer的雙向編碼器表示 115
8.2.1 掩碼語(yǔ)言模型 115
8.2.2 BERT模型 116
8.2.3 預(yù)訓(xùn)練 116
8.2.4 微調(diào)與提示 117
8.2.5 BERT代碼演示 117
8.2.6 BERT模型擴(kuò)展 121
8.3 GPT：基于Transformer的生成式預(yù)訓(xùn)練語(yǔ)言模型 122
8.3.1 GPT模型的歷史 122
8.3.2 GPT-2訓(xùn)練演示 123
8.3.3 GPT的使用 125
8.4 基于編碼器-解碼器的預(yù)訓(xùn)練語(yǔ)言模型 128
8.5 基于HuggingFace的預(yù)訓(xùn)練語(yǔ)言模型使用 129
8.5.1 文本分類(lèi) 129
8.5.2 文本生成 130
8.5.3 問(wèn)答 130
8.5.4 文本摘要 131
8.6 小結(jié) 131
第9章 序列標(biāo)注 133
9.1 序列標(biāo)注任務(wù) 133
9.1.1 詞性標(biāo)注 133
9.1.2 中文分詞 134
9.1.3 命名實(shí)體識(shí)別 134
9.1.4 語(yǔ)義角色標(biāo)注 135
9.2 隱馬爾可夫模型 135
9.2.1 模型 135
9.2.2 解碼 136
9.2.3 輸入序列的邊際概率 137
9.2.4 單個(gè)標(biāo)簽的邊際概率 138
9.2.5 監(jiān)督學(xué)習(xí) 139
9.2.6 無(wú)監(jiān)督學(xué)習(xí) 139
9.2.7 部分代碼實(shí)現(xiàn) 141
9.3 條件隨機(jī)場(chǎng) 146
9.3.1 模型 146
9.3.2 解碼 147
9.3.3 監(jiān)督學(xué)習(xí) 148
9.3.4 無(wú)監(jiān)督學(xué)習(xí) 149
9.3.5 部分代碼實(shí)現(xiàn) 149
9.4 神經(jīng)序列標(biāo)注模型 154
9.4.1 神經(jīng)softmax 154
9.4.2 神經(jīng)條件隨機(jī)場(chǎng) 154
9.4.3 代碼實(shí)現(xiàn) 155
9.5 小結(jié) 156
第三部分 結(jié)構(gòu)
第 10章 成分句法分析 160
10.1 成分結(jié)構(gòu) 160
10.2 成分句法分析概述 161
10.2.1 歧義性與打分 161
10.2.2 解碼 162
10.2.3 學(xué)習(xí) 162
10.2.4 評(píng)價(jià)指標(biāo) 163
10.3 基于跨度的成分句法分析 163
10.3.1 打分 164
10.3.2 解碼 165
10.3.3 學(xué)習(xí) 170
10.4 基于轉(zhuǎn)移的成分句法分析 173
10.4.1 狀態(tài)與轉(zhuǎn)移 173
10.4.2 轉(zhuǎn)移的打分 174
10.4.3 解碼 175
10.4.4 學(xué)習(xí) 176
10.5 基于上下文無(wú)關(guān)文法的成分句法分析 177
10.5.1 上下文無(wú)關(guān)文法 177
10.5.2 解碼和學(xué)習(xí) 178
10.6 小結(jié) 179
第 11章 依存句法分析 181
11.1 依存結(jié)構(gòu) 181
11.1.1 投射性 182
11.1.2 與成分結(jié)構(gòu)的關(guān)系 182
11.2 依存句法分析概述 184
11.2.1 打分、解碼和學(xué)習(xí) 184
11.2.2 評(píng)價(jià)指標(biāo) 184
11.3 基于圖的依存句法分析 185
11.3.1 打分 185
11.3.2 解碼 186
11.3.3 Eisner算法 186
11.3.4 MST算法 191
11.3.5 高階方法 194
11.3.6 監(jiān)督學(xué)習(xí) 194
11.4 基于轉(zhuǎn)移的依存句法分析 195
11.4.1 狀態(tài)與轉(zhuǎn)移 196
11.4.2 打分、解碼與學(xué)習(xí) 196
11.5 小結(jié) 198
第 12章 語(yǔ)義分析 200
12.1 顯式和隱式的語(yǔ)義表示 200
12.2 詞義表示 201
12.2.1 WordNet 201
12.2.2 詞義消歧 203
12.3 語(yǔ)義表示 204
12.3.1 專(zhuān)用和通用的語(yǔ)義表示 204
12.3.2 一階邏輯 205
12.3.3 語(yǔ)義圖 205
12.4 語(yǔ)義分析 206
12.4.1 基于句法的語(yǔ)義分析 206
12.4.2 基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分析 207
12.4.3 弱監(jiān)督學(xué)習(xí) 209
12.5 語(yǔ)義角色標(biāo)注 209
12.5.1 語(yǔ)義角色標(biāo)注標(biāo)準(zhǔn) 209
12.5.2 語(yǔ)義角色標(biāo)注方法 211
12.6 信息提取 211
12.7 小結(jié) 212
第 13章 篇章分析 213
13.1 篇章 213
13.1.1 連貫性關(guān)系 213
13.1.2 篇章結(jié)構(gòu) 214
13.1.3 篇章分析 215
13.2 共指消解 215
13.2.1 提及檢測(cè) 216
13.2.2 提及聚類(lèi) 216
13.3 小結(jié) 220
總結(jié)與展望 221
參考文獻(xiàn) 223
中英文術(shù)語(yǔ)對(duì)照表 228
附 錄 234
展開(kāi)全部
動(dòng)手學(xué)自然語(yǔ)言處理 作者簡(jiǎn)介
屠可偉，上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院長(zhǎng)聘副教授、研究員、博士生導(dǎo)師。研究方向包括自然語(yǔ)言處理、機(jī)器學(xué)習(xí)等，主要研究將符號(hào)、統(tǒng)計(jì)和神經(jīng)方法相結(jié)合用于語(yǔ)言結(jié)構(gòu)的表示、學(xué)習(xí)與利用。發(fā)表論文100余篇，主要發(fā)表在ACL、EMNLP、AAAI 等人工智能領(lǐng)域頂級(jí)會(huì)議。擔(dān)任多個(gè)頂級(jí)會(huì)議程序委員會(huì)委員和領(lǐng)域主席。曾獲ACL 2023杰出論文獎(jiǎng)，以及SemEval 2022和SemEval 2023最佳系統(tǒng)論文獎(jiǎng)。 王新宇，上海科技大學(xué)博士，長(zhǎng)期從事自然語(yǔ)言處理研究工作，在ACL、EMNLP、NAACL等頂級(jí)會(huì)議上發(fā)表論文10余篇，擔(dān)任ACL、NAACL會(huì)議的領(lǐng)域主席以及ACL滾動(dòng)審查(ACL Rolling Review)執(zhí)行編輯。曾獲得中國(guó)中文信息學(xué)會(huì)優(yōu)秀博士學(xué)位論文提名、SemEval 2022最佳系統(tǒng)論文獎(jiǎng)等榮譽(yù)。 曲彥儒，伊利諾伊大學(xué)厄巴納-香檳分校博士生，長(zhǎng)期從事自然語(yǔ)言處理研究工作，在ACL、NAACL、AAAI、ICLR等會(huì)議上發(fā)表了多篇論文。 俞勇，上海交通大學(xué)ACM班創(chuàng)辦人，國(guó)家級(jí)教學(xué)名師，上海交通大學(xué)特聘教授。2018年創(chuàng)辦伯禹人工智能學(xué)院，在上海交通大學(xué)ACM班人工智能專(zhuān)業(yè)課程體系的基礎(chǔ)上，對(duì)人工智能課程體系進(jìn)行創(chuàng)新，致力于培養(yǎng)卓越的人工智能算法工程師和研究員。
書(shū)友推薦
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
有舍有得是人生
- >
唐代進(jìn)士錄
- >
中國(guó)歷史的瞬間
- >
苦雨齋序跋文-周作人自編集
- >
山海經(jīng)
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
羅庸西南聯(lián)大授課錄
本類(lèi)暢銷(xiāo)
