由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书基于深度学习的机器阅读理解9787030701008
¥ ×1
新春将至,本公司假期时间为:2025年1月23日至2025年2月7日。2月8日订单陆续发货,期间带来不便,敬请谅解!
前言
章 概论
1.1 任务简述
1.2 发展历程
1.2.1 早期
1.2.2 近期
1.. 当代
1.3 任务定义及分类
1.3.1 形式化定义
1.3.2 任务分类
1.3.3 相关任务辨析
1.4 模型评测
1.4.1 评价指标
1.4.2 代表数据集
1.5 典型应用
1.5.1 搜索引擎
1.5.2 智能理
1.6 本章小结
第2章 深度学习基础
2.1 多层感知机
2.1.1 感知机
2.1.2 多层感知机
2.1.3 分析总结
2.2 表示学习初探
2.2.1 文本的稀疏表示
2.2.2 文本的分布式表示
2.. 分析总结
. 卷积神经网络
2.4 循环神经网络及其改进
2.5 注意力机制
2.6 再论表示学习
2.6.1 CoVe
2.6.2 ELMo
2.6.3 GPT
2.6.4 BERT
2.7 本章小结
第3章 基本框架
3.1 基本框架
3.2 嵌入编码
3.2.1 传统编码方法
3.2.2 预训练的基于上下文的编码方法
3.. 多粒度编码
3.3 特征提取
3.3.1 基于循环神经网络的特征提取
3.3.2 基于卷积神经网络的特征提取
3.3.3 基于多头自注意力的特征提取
3.4 文章-问题交互
3.4.1 单向注意力
3.4.2 双向注意力
3.4.3 一次交互
3.4.4 多次交互
3.5 预测
3.5.1 在文章中
3.5.2 不在文章中
3.6 方法
3.6.1 强化学习
3.6.2 排序
3.6.3 句子选择
3.7 本章小结
第4章 代表模型
4.1 Match-LSTM:基于指针网络的边界模型
4.2 R-NET:自注意力门控机制
4.3 Bi-DAF:双向注意力流
4.4 ANet:基于Transformer结构的阅读理解模型
4.5 R.M-Reader
4.6 S-Net
4.7 基于双向自注意力的预训练语言模型
4.8 代表方法比较分析
4.9 本章小结
第5章 新兴趋势
5.1 引入知识的机器阅读理解
5.1.1 任务定义
5.1.2 代表数据集
5.1.3 存在的挑战
5.1.4 现有方法
5.2 带有不能回答问题的机器阅读理解
5.2.1 任务定义
5.2.2 代表数据集
5.. 存在的挑战
5.2.4 现有方法
5.3 多文档机器阅读理解
5.3.1 任务定义
5.3.2 代表数据集
5.3.3 存在的挑战
5.3.4 现有方法
5.4 对话式机器阅读理解
5.4.1 任务定义
5.4.2 代表数据集
5.4.3 存在的挑战
5.4.4 现有方法
5.5 跨语言机器阅读理解
5.5.1 任务定义
5.5.2 代表数据集
5.5.3 存在的挑战
5.5.4 现有方法
5.6 推理机器阅读理解
5.6.1 任务定义
5.6.2 代表数据集
5.6.3 存在的挑战
5.6.4 现有方法
5.7 本章小结
第6章 开放问题
6.1 开放问题
6.1.1 相关文章的快速检索获取
6.1.2 机器阅读理解系统的鲁棒
6.1.3 缺乏对外部知识的运用
6.1.4 缺乏推理的能力
6.1.5 缺乏可解释
6.2 全书总结
附录一 机器学习基础概念
附录二 文本分析基础
附录三 传统机器阅读理解概述
附录四 简称一览表
附录五 可用代码资源
参考文献
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格