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99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。
醉染图书搜索擎的实体关键技术研究9787111701170
¥ ×1
丛书序
导师序
摘要
章绪论
1.1课题背景及意义1
1.1.1实体的定义及研究背景1
1.1.2实体的挑战及研究意义6
1.2研究现状及分析12
1.2.1实体算法12
1.2.2实体的可解释
1..尚且存在的问题31
1.3本书的研究内容及章节安排35
第2章基于排序学习与信息新颖的实体
2.1引言40
2.2问题定义43
2.2.1信息新颖定义43
2.2.2基于信息新颖的实体任务定义47
.基于排序学习框架的实体算法49
..1相关实体发现50
..2相关实体排序53
2.4实验设置69
2.4.1实验数据69
2.4.2基线方法70
2.4.3评价指标72
2.5实验结果与分析75
2.5.1本方法与五种基线方法的比较76
2.5.2不同特征的贡献度分析78
2.6本章小结81
第3章基于深度多任务学习的上下文相关实体
3.1引言83
3.2问题定义87
3.2.1上下文相关实体任务定义87
3.2.2使用多任务学习的原因89
3.3基于多任务学习的上下文相关实体模型92
3.3.1上下文无关实体模型92
3.3.2上下文相关实体模型94
3.3.3使用多任务学习提升上下文相关实体模型的效果95
3.3.4利用上下文相关实体模型提升效果98
3.4实验设置100
3.4.1实验数据与评价指标101
3.4.2基线方法104
3.5实验结果与分析105
3.5.1上下文信息的影响105
3.5.2多任务学习与单任务学习的比较106
3.5.3实体模型的比较107
3.5.4搜索会话长度的影响108
3.5.5上下文相关文档排序的效果110
3.6本章小结111
第4章基于卷积神经网络的实体对理由识别
4.1引言112
4.2问题定义116
4.3实体对理由识别方法118
4.3.1训练数据的构建方法118
4.3.2基于卷积神经网络的排序模型122
4.4实验设置125
4.4.1实验数据126
4.4.2基线方法128
4.4.3评价指标130
4.5实验结果与分析130
4.5.1人工设计特征与自动学习特征的比较131
4.5.2基于pointwise与基于pairwise的排序方法的比较132
4.5.3本方法与三种基线方法的比较133
4.6本章小结138
第5章基于机器翻译模型的实体理由生成
5.1引言139
5.2问题定义142
5.3基于统计机器翻译模型的实体理由生成144
5.4基于神经机器翻译模型的实体理由生成148
5.4.1Seq2Seq模型149
5.4.2由实体信息指导的Seq2Seq模型156
5.4.3基于Seq2Seq的实体理由生成模型161
5.5实验设置162
5.5.1实验数据162
5.5.2对比方法165
5.5.3评价指标169
5.6实验结果与分析171
5.6.1不同实体理由生成方法的比较与分析171
5.6.2基于Seq2Seq的实体理由生成模型分析174
5.6.3基于实例的方法的比较与分析176
5.7本章小结181
结论
参考文献
攻读博士期间发表的及成果
致谢
黄际洲,正高级,百度人工智能技术委员会,百度地图首席研发架构师。多年来一直从事自然语言处理、知识图谱、数据挖掘等人工智能相关技术研发及大规模产业化工作,先后担任百度阿拉丁、图片搜索、搜索、信息流、百度地图等产品的研发架构师。已发表学术30余篇,获得已授权专利110余项。曾荣获中国学会科技进步一等奖、CCF博士奖。
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
