文轩网图书旗舰店
  • 扫码下单

  • 自然语言处理基础与大模型 案例与实践 宗成庆,赵阳,飞桨教材编写组 著 大中专 文轩网
  • 新华书店正版
    • 作者: 宗成庆、 赵阳、飞桨教材编写组著
    • 出版社: 清华大学出版社
    • 出版时间:2024-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

  •      https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 宗成庆、 赵阳、飞桨教材编写组著
    • 出版社:清华大学出版社
    • 出版时间:2024-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2024-02-01
    • 页数:0
    • 开本:其他
    • 装帧:平装
    • ISBN:9787302651550
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    自然语言处理基础与大模型 案例与实践

    作  者:宗成庆,赵阳,飞桨教材编写组 著
    定  价:98
    出 版 社:清华大学出版社
    出版日期:2024年01月01日
    页  数:304
    装  帧:平装
    ISBN:9787302651550
    主编推荐

    内容简介

    本书在简要介绍自然语言处理代表性模型和方法的基础上,通过具体案例详细展现了相关模型和算法的实现过程,并给出了可执行的程序代码、数据集和运行结果。全书内容既有经典的统计语言模型,也有神经网络基础模型和大语言模型前沿技术。应用案例从情感分析、信息抽取、自动摘要和文本语义匹配,到阅读理解、意图理解、文本生成和机器翻译,全方位地展示自然语言处理从理论到实践的全貌,书中提供的所有代码都已通过调试,并以Jupyter Notebook形式托管在百度AI Studio星河社区上,读者按照书中的说明就可以直接使用AI Studio提供的免费计算资源在线编译运行书中的程序代码,为读者实践、练习提供了极大的便利。
    本书可作为高等院校相关专业高年级本科生和研究生学习自然语言处理课程的教学辅导书,也可供对自然语言处理技术感兴趣的初学者或者从事相关技术研发的工程技术人员参考。

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1自然语言处理方法概述
    1.2本书的内容组织
    1.3本书的实践平台
    1.3.1本地运行
    1.3.2AI Studio星河社区运行
    1.3.3本书使用的API
    1.3.4本书使用的数据集
    第2章神经网络基础
    2.1概述
    2.2神经元与感知机
    2.2.1神经元
    2.2.2感知机
    2.2.3常见的激活函数
    2.3前馈神经网络
    2.4卷积神经网络
    2.4.1卷积
    2.4.2池化
    2.4.3卷积神经网络
    2.5循环神经网络
    2.5.1简单循环神经网络
    2.5.2长短时记忆网络
    2.5.3门控循环单元
    2.5.4循环神经网络拓展知识
    第3章分布式表示
    3.1词的分布式表示
    3.1.1静态词向量
    3.1.2动态词向量
    3.2短语的分布式表示
    3.3句子的分布式表示
    3.3.1基于循环神经网络的表示方法
    3.3.2基于预训练语言模型的表示方法
    第4章序列生成模型
    4.1基于循环神经网络的Seq2Seq模型
    4.1.1基于RNN的Seq2Seq模型原理
    4.1.2解码策略
    4.2融合注意力机制的Seq2Seq模型
    4.3基于Transformer的Seq2Seq模型
    4.3.1自注意力模型
    4.3.2Transformer的网络结构
    4.3.3Transformer编码器
    4.3.4Transformer解码器
    4.3.5知识延伸: 基于Transformer结构的模型
    第5章基础语言模型
    5.1统计语言模型
    5.1.1模型定义
    5.1.2数据平滑方法
    5.1.3语言模型评价
    5.2神经网络语言模型
    5.2.1前馈神经网络语言模型
    5.2.2循环神经网络语言模型
    5.2.3语言模型与词向量
    第6章预训练大模型
    6.1GPT语言模型
    6.1.1GPT模型预训练
    6.1.2GPT在下游任务中的应用
    6.2BERT语言模型
    6.2.1BERT模型的预训练任务
    6.2.2BERT在下游任务中的应用
    6.3ERNIE 语言模型
    6.4预训练大模型
    6.4.1基础大模型
    6.4.2指令微调
    6.4.3基于人类反馈的强化学习
    第7章词语切分
    7.1基于BERT实现中文分词
    7.1.1任务目标
    7.1.2实现思路及流程
    7.1.3数据处理
    7.1.4模型构建
    7.1.5训练配置
    7.1.6模型训练
    7.1.7模型评估
    7.1.8模型预测
    7.2基于BPE算法实现子词切分
    7.2.1任务目标
    7.2.2实现思路及流程
    7.2.3构建BPE词表
    7.2.4文本子词切分
    7.2.5语料还原
    7.3实验思考
    第8章文本情感分类方法实践
    8.1基于LSTM模型的情感分类方法
    8.1.1任务目标
    8.1.2实现思路及流程
    8.1.3数据处理
    8.1.4模型构建
    8.1.5训练配置
    8.1.6模型训练
    8.1.7模型评估
    8.1.8模型预测
    8.2基于BERT模型实现情感分类
    8.2.1数据处理
    8.2.2模型构建
    8.2.3训练配置
    8.2.4模型训练
    8.2.5模型评估
    8.2.6模型预测
    8.3基于BERT的属性级情感分类
    8.3.1任务目标
    8.3.2实现思路及流程
    8.3.3属性和观点抽取
    8.3.4属性级情感分类
    8.3.5全流程模型推理
    8.4实验思考
    第9章信息抽取实践
    9.1基于Bi-LSTM和CRF的命名实体识别方法
    9.1.1任务目标和实现流程
    9.1.2数据处理
    9.1.3模型构建
    9.1.4训练配置
    9.1.5模型训练
    9.1.6模型评估
    9.1.7模型预测
    9.2基于ERNIE-UIE实现实体关系抽取
    9.2.1任务目标和实现流程
    9.2.2数据处理
    9.2.3模型构建
    9.2.4训练配置
    9.2.5模型训练
    9.2.6模型评估
    9.2.7模型预测
    9.3实验思考
    第10章文本语义匹配实践
    10.1基于SimNet的文本语义匹配
    10.1.1任务目标和实现流程
    10.1.2数据处理
    10.1.3模型构建
    10.1.4训练配置
    10.1.5模型训练
    10.1.6模型评估
    10.1.7模型预测
    10.2基于RocketQA的文本语义匹配
    10.2.1任务目标和实现流程
    10.2.2数据处理
    10.2.3模型构建
    10.2.4训练配置
    10.2.5模型训练
    10.2.6模型评估
    10.2.7模型预测
    10.3实验思考
    第11章基于PEGASUS的中文文本摘要实践
    11.1任务目标和实现流程
    11.2数据处理
    11.2.1数据集确定
    11.2.2数据加载
    11.2.3将数据转换成特征形式
    11.2.4构造DataLoader
    11.3模型构建
    11.4训练配置
    11.4.1BLEU算法
    11.4.2ROUGE算法
    11.5模型训练
    11.6模型评估
    11.7模型预测
    11.8实验思考
    第12章基于ERNIE 3.0实现意图识别
    12.1任务目标和实现流程
    12.2数据处理
    12.2.1数据集确定
    12.2.2数据加载
    12.2.3将数据转换成特征形式
    12.2.4构造DataLoader
    12.3模型构建
    12.4训练配置
    12.5模型训练
    12.6模型评估
    12.7模型预测
    12.8实验思考
    第13章机器阅读理解实践
    13.1任务目标
    13.2实现流程
    13.3数据处理
    13.3.1数据集确定
    13.3.2数据加载
    13.3.3将数据转换成特征形式
    13.3.4构造DataLoader
    13.4模型构建
    13.5训练配置
    13.6模型训练
    13.7模型评估
    13.8模型预测
    13.9实验思考
    第14章机器翻译实践
    14.1任务目标和实现流程
    14.2数据处理
    14.2.1数据集确定
    14.2.2数据加载
    14.2.3将数据转换成特征形式
    14.2.4构建DataLoader
    14.2.5后处理
    14.3模型构建
    14.3.1嵌入层的代码实现
    14.3.2组装Transformer模型
    14.4训练配置
    14.5模型训练
    14.6模型评估
    14.6.1数据读取
    14.6.2权重加载
    14.6.3模型评估
    14.7模型预测
    14.8实验思考
    第15章基于大模型的自动问答实践
    15.1任务目标和设计方案
    15.2通过飞桨零代码开发工具实现
    15.3通过PaddleNLP实现
    15.3.1代码实现逻辑
    15.3.2配置大模型
    15.3.3配置向量检索模型
    15.3.4定义document store
    15.3.5构建文档索引
    15.3.6构建问答应用
    15.3.7(可选)在线推理部署
    15.4实验思考
    附录 术语与缩略语
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购