返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新基于混合方法的自然语言处理 神经网络模型与知识图谱的结合
  • 正版
    • 作者: (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦著 | (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦编 | (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦译 | (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-09-01
    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
    /
    ×

    苏宁商家

    商家:
    萌萌哒图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦著| (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦编| (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦译| (西)何塞·曼努埃尔·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦绘
    • 出版社:机械工业出版社
    • 出版时间:2021-09-01
    • 版次:1
    • 印次:1
    • 页数:268
    • 开本:16开
    • ISBN:9787111690696
    • 版权提供:机械工业出版社
    • 作者:(西)何塞·曼埃·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦
    • 著:(西)何塞·曼埃·戈麦斯-佩雷斯,(西)罗纳德·德诺,(西)安德烈·加西亚-席尔瓦
    • 装帧:平装
    • 印次:1
    • 定价:99.00
    • ISBN:9787111690696
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-09-01
    • 页数:268
    • 外部编号:1202496935
    • 版次:1
    • 成品尺寸:暂无

    序一

    序二

    译者序

    前言

    部 预备知识和构建模块

    章 混合自然语言处理简介 2

    1.1 知识图谱、嵌入和语言模型简史 2

    1.2 自然语言处理中知识图谱和神经网络方法的结合 4

    第2章 单词、意义和知识图谱嵌入 6

    2.1 引言 6

    2.2 分布式单词表示 6

    . 词嵌入 7

    2.4 意义和概念嵌入 8

    2.5 知识图谱嵌入 9

    2.6 本章小结 13

    第3章 理解词嵌入和语言模型 14

    3.1 引言 14

    3.2 语言模型 15

    3.2.1 统计语言模型 15

    3.2.2 神经语言模型 16

    3.3 NLP迁移学习的预训练模型微调 16

    3.3.1 ELM 6

    3.3.2 GPT 17

    3.3.3 BERT 17

    3.4 机器人检测中预训练语言模型的微调 18

    3.4.1 实验结果与讨论 21

    3.4.2 使用Transformer库对BERT进行微调 21

    3.5 本章小结 27

    第4章 从文本中捕获意义作为词嵌入 28

    4.1 引言 28

    4.2 下载一个小文本语料库 29

    4.3 一种学习词嵌入的算法 29

    4.4 使用Swivel prep生成共现矩阵 30

    4.5 从共现矩阵中学习嵌入 31

    4.6 读取并检查存储的二进制嵌入 32

    4.7 练习:从古腾堡工程中创建词嵌入 33

    4.7.1 下载语料库并进行预处理 33

    4.7.2 学习嵌入 34

    4.7.3 检查嵌入 34

    4.8 本章小结 34

    第5章 捕获知识图谱嵌入 35

    5.1 引言 35

    5.2 知识图谱嵌入 35

    5.3 为WordNet创建嵌入 37

    5.3.1 选择嵌入算法:HolE 37

    5.3.2 将WordNet知识图谱转换为所需输入 39

    5.3.3 学习嵌入 44

    5.3.4 检查嵌入结果 44

    5.4 练习 47

    5.4.1 练习:在自己的知识图谱上训练嵌入 47

    5.4.2 练习:检查WordNet 3.0的预计算嵌入 47

    5.5 本章小结 48

    第二部分 神经网络与知识图谱的结合

    第6章 从文本语料库、知识图谱和语言模型中构建混合表达 50

    6.1 引言 50

    6.2 准备工作和说明 51

    6.3 Vecsigrafo的概念及构建方式 51

    6.4 实现 53

    6.5 训练Vecsigrafo 54

    6.5.1 标记化和词义消歧 56

    6.5.2 词汇表和共现矩阵 58

    6.5.3 从共现矩阵学习嵌入 62

    6.5.4 检查嵌入 64

    6.6 练习:探索一个预先计算好的Vecsigrafo 66

    6.7 从Vecsigrafo到Transigrafo 68

    6.7.1 安装设置 70

    6.7.2 训练Transigraf 7

    6.7.3 扩展知识图谱的覆盖范围 73

    6.7.4 评估 Transigrafo 73

    6.7.5 检查Transigrafo中的义项嵌入 75

    6.7.6 探索Transigrafo嵌入的稳定 77

    6.7.7 额外的反思 81

    6.8 本章小结 81

    第7章 质量评估 82

    7.1 引言 82

    7.2 评估方法的概述 83

    7.3 练习1:评估单词和概念嵌入 84

    7.3.1 可视化探索 84

    7.3.2 内在评估 85

    7.3.3 词汇预测图 87

    7.3.4 外在评估 90

    7.4 练习2:评价通过嵌入获取的关系知识 90

    7.4.1 下载embrela项目 91

    7.4.2 下载生成的数据集 91

    7.4.3 加载待评估的嵌入 92

    7.4.4 学习模型 94

    7.4.5 分析模型的结果 94

    7.4.6 数据预处理:合并且增加字段 96

    7.4.7 计算范围阈值和偏差数据集检测 97

    7.4.8 发现统计上有意义的模型 99

    7.4.9 关系型知识的评估结论 101

    7.5 案例研究:评估和对比Vecsigrafo嵌入 101

    7.5.1 比较研究 101

    7.5.2 讨论 111

    7.6 本章小结 114

    第8章 利用Vecsigrafo捕获词法、语法和语义信息 116

    8.1 引言 116

    8.2 方法 118

    8.2.1 Vecsigrafo:基于语料的单词–概念嵌入 118

    8.2.2 联合嵌入空间 119

    8.. 嵌入的评估 119

    8.3 评估 120

    8.3.1 数据集 121

    8.3.2 单词相似度 121

    8.3.3 类比推理 124

    8.3.4 单词预测 125

    8.3.5 科学文档的分类 127

    8.4 讨论 129

    8.5 练习:使用surface form对科学文献进行分类 130

    8.5.1 导入所需的库 130

    8.5.2 下载surface form的词嵌入和SciGrap论 131

    8.5.3 读取并准备分类数据集 131

    8.5.4 surface form的词嵌入 133

    8.5.5 创建嵌入层 134

    8.5.6 训练一个卷积神经网络 134

    8.6 本章小结 136

    第9章 知识图谱的词嵌入空间对齐与应用 137

    9.1 引言 137

    9.2 概述及可能的应用 138

    9.2.1 知识图谱的补全 139

    9.2.2 多语言:跨模态的词嵌入 139

    9.3 词嵌入空间的对齐技术 140

    9.3.1 线对齐 140

    9.3.2 非线对齐 146

    9.4 练习:寻找古代英语和现代英语的对应 146

    9.4.1 下载小型文本语料库 146

    9.4.2 学习基于老莎士比亚语料库的Swivel词嵌入 147

    9.4.3 在WordNet之上加载UMBC的Vecsigraf 49

    9.4.4 练习的结论 149

    9.5 本章小结 150

    第三部分 应用

    0章 一种虚信息分析的混合方法 152

    10.1 引言 152

    10.2 虚信息检测 153

    ……

    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