萌萌哒图书专营店
  • 扫码下单

  • 全新自然语言处理原理与应用刘刚9787030764225
  • 正版
    • 作者: 刘刚著 | 刘刚编 | 刘刚译 | 刘刚绘
    • 出版社: 科学出版社
    • 出版时间:2023-10-01
    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:
    萌萌哒图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    萌萌哒图书专营店

  • 商品参数
    • 作者: 刘刚著| 刘刚编| 刘刚译| 刘刚绘
    • 出版社:科学出版社
    • 出版时间:2023-10-01
    • 版次:1
    • 印次:1
    • 字数:394000
    • 页数:268
    • 开本:16开
    • ISBN:9787030764225
    • 版权提供:科学出版社
    • 作者:刘刚
    • 著:刘刚
    • 装帧:平装
    • 印次:1
    • 定价:59.00
    • ISBN:9787030764225
    • 出版社:科学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-10-01
    • 页数:268
    • 外部编号:1203105783
    • 版次:1
    • 成品尺寸:暂无

    部理论基础

    章绪论1

    1.1基本概念1

    1.2自然语言处理的产生与发展2

    1.3基本问题和主要困难3

    1.3.1自然语言处理的基本问题3

    1.3.2自然语言处理面对的主要困难4

    1.4深度学习在自然语言处理中的应用5

    1.4.1深度学习概述5

    1.4.2面向自然语言处理的深度学习方法5

    1.4.3目前深度学习应用存在的局限及展望6

    1.5本章小结7

    习题17

    第2章数学基础8

    2.1概率论基础8

    2.1.1样本空间和概率8

    2.1.2随机变量9

    2.1.3条件概率公式、全概率公式和贝叶斯公式10

    2.1.4期望和方差11

    2.2信息论基础11

    2.2.1自信息和熵12

    2.2.2联合熵和条件熵13

    2..互信息、相对熵和交叉熵14

    2.2.4困惑度14

    2.2.5噪声信道模型15

    .深度学习的数学基础16

    ..1优选似然估计16

    ..2梯度分析17

    ..梯度下降法19

    ..4梯度消失和梯度19

    2.4本章小结21

    习题221

    第3章语言模型22

    3.1语言模型概念及基础理论22

    3.1.1n元语法模型22

    3.1.2神经概率语言模型24

    3.1.3预训练语言模型24

    3.2语言模型能评26

    3.2.1基于信息熵的语言模型复杂度度量26

    3.2.2基于困惑度的语言模型复杂度度量27

    3..基于语言模型的汉语信息熵估算28

    3.3数据平滑28

    3.3.1问题的提出28

    3.3.2加法平滑方法29

    3.3.3Good-Turing估计法29

    3.3.4Katz平滑方法29

    3.3.5Jelinek-Mercer平滑方法30

    3.3.6Witten-Bell平滑方法31

    3.3.7减值法32

    3.4神经网络语言模型32

    3.4.1基础模型32

    3.4.2CNN模型33

    3.4.3RNN模型及其变体34

    3.4.4Attention模型37

    3.4.5Transformer模型40

    3.5语言模型应用举例44

    3.5.1BERT模型44

    3.5.2短文本表示46

    3.5.3Softmax回归模型46

    3.6本章小结47

    习题347

    第4章隐马尔可夫模型与条件随机场49

    4.1马尔可夫模型49

    4.1.1马尔可夫过程49

    4.1.2马尔可夫49

    4.2隐马尔可夫模型50

    4.2.1隐马尔可夫模型的基本理论50

    4.2.2估计问题52

    4..序列问题54

    4.2.4参数估计问题55

    4.3HMM应用举例57

    4.3.1中文分词57

    4.3.2词标注58

    4.4条件随机场及其应用59

    4.4.1条件随机场概念59

    4.4.2条件随机场应用64

    4.5本章小结67

    习题467

    第5章词法分析与词标注68

    5.1汉语自动分词68

    5.1.1分词规范问题68

    5.1.2歧义切分问题69

    5.1.3未登录词问题69

    5.1.4汉语自动分词的原则70

    5.1.5分词与词标注结果评估方法71

    5.2自动分词基本算法72

    5.2.1优选匹配法72

    5.2.2短路径方法74

    5..基于HMM的分词方法76

    5.2.4基于Bi-LSTM-CRF的分词方法80

    5.3未登录词识别83

    5.3.1概述83

    5.3.2基于决策树的未登录词识别方法85

    5.3.3基于统计和规则的未登录词识别方法88

    5.4词标注方法91

    5.4.1概述91

    5.4.2基于规则的词标注方法92

    5.4.3基于统计的词标注方法93

    5.4.4基于深度学习的词标注方法95

    5.5本章小结97

    习题597

    第6章语义分析98

    6.1语义网络98

    6.1.1基本概念98

    6.1.2语义标注99

    6.2概念依存100

    6.3词义消歧101

    6.3.1基本内容101

    6.3.2理论方法102

    6.3.3案例分析104

    6.4词向量表示与词嵌入106

    6.4.1基本内容106

    6.4.2理论方法107

    6.4.3案例分析110

    6.5语义分析在华为昇编译器AI调优中的应用112

    6.5.1基本内容112

    6.5.2理论方法113

    6.6本章小结114

    习题6114

    第二部分实践应用

    第7章机器翻译115

    7.1机器翻译概述115

    7.1.1机器翻译方法概述115

    7.1.2机器翻译的研究现状118

    7.2统计机器翻译119

    7.2.1基于词的机器翻译119

    7.2.2基于短语的机器翻译129

    7..基于句子的机器翻译135

    7.3神经机器翻译143

    7.3.1神经机器翻译概述143

    7.3.2神经机器翻译模型145

    7.4实战GRU翻译模型147

    7.4.1基础知识与环境配置148

    7.4.2代码实现149

    7.5本章小结153

    习题7153

    第8章文本分类、聚类和情感分析154

    8.1文本分类154

    8.1.1文本分类的定义154

    8.1.2文本分类的发展155

    8.1.3传统文本分类的实现155

    8.1.4基于深度学习的分类器设计161

    8.2文本聚类164

    8.2.1基于分层的文本聚类165

    8.2.2基于划分的文本聚类166

    8.3情感分析167

    8.3.1基于情感词典的情感分析167

    8.3.2基于深度学习的方面级情感分类算法169

    8.3.3带有Attention机制的LSTM网络的方法173

    8.3.4带有Attention机制的双向LSTM网络的方法175

    8.4本章小结178

    习题8178

    第9章信息抽取179

    9.1实体识别与抽取179

    9.1.1命名实体识别概述179

    9.1.2有监督学习方法实现命名实体识别180

    9.1.3基于深度学习的NER183

    9.2实体消歧184

    9.2.1实体消歧概述184

    9.2.2基于上下文相似度的实体消歧185

    9..基于实体显著的实体消歧186

    9.2.4基于实体关联度的实体消歧187

    9.3关系抽取187

    9.3.1基于模式匹配的关系抽取187

    9.3.2基于深度学习的关系抽取方法188

    9.3.3关系抽取展望190

    9.4事件抽取190

    9.4.1事件抽取任务定义191

    9.4.2基于模式匹配的事件抽实191

    9.4.3基于深度学习的事件抽实192

    9.5本章小结194

    习题9194

    0章知识图谱195

    10.1知识图谱发展历史195

    10.2知识图谱基本概念198

    10.2.1知识库的概念及分类198

    10.2.2知识库的表示形式199

    10.3知识图谱的生命周期199

    10.3.1知识建模200

    10.3.2知识抽取204

    10.3.3知识融合208

    10.3.4知识存储210

    10.3.5知识计算213

    10.3.6知识图谱应用215

    10.4知识图谱的现有应用216

    10.4.1语义搜索216

    10.4.2智能问答系统217

    10.4.3辅决策217

    10.4.4个化218

    10.4.5学科知识图谱218

    10.5本章小结219

    习题10220

    1章问答系统与人机对话系统221

    11.1问答系统221

    11.1.1系统构成221

    11.1.2基于信息检索和选择的混合式问答系统2

    11.2基于大规模知识库的问答系统227

    11.2.1知识库问答系统任务228

    11.2.2基于中文知识图谱的问答系统229

    11.3阅读理解式问答系统4

    11.4对话系统

    11.4.1基于深度学习的多方对话系统

    11.4.2对话系统相关任务

    11.5医学视觉问答240

    11.5.1相关概念介绍240

    11.5.2面向医学数据特征优化的视觉问答系统241

    11.6问答系统在MindSpore框架中的应用248

    11.6.1华为昇思MindSpore框架248

    11.6.2DAM模型250

    11.6.3基于MindSpore框架的DAM模型分析252

    11.6.4所用数据集`252

    11.7本章小结252

    习题11253

    参考文献254

    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