- 商品参数
-
- 作者：
刘永彬,欧阳纯萍著
- 出版社：人民邮电出版社
- 出版时间：2023-10
- ISBN：9782427818676
- 版权提供：人民邮电出版社
店铺公告
为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。
温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）。
关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。
![]()
| 书名： | 自然语言处理与文本的知识抽取 |
| 作者： | 刘永彬，欧阳纯萍著 |
| 出版社： | 人民邮电出版社 |
| 出版日期： | 2023-10-01 |
| 版次： | 1 |
| ISBN： | 9787115612274 |
| 市场价： | 89.8 |
![]()
目;;录;;;; 第 一部分;;基础知识 第 1章;;自然语言处理技术;;2 1.1;;自然语言处理概述;;2 1.2;;数据标注任务;;3 1.2.1;;数据标注之中文分词;;3 1.2.2;;数据标注之词标注;;4 1.3;;词表示学习任务;;5 1.3.1;;词表示方法的类型;;5 1.3.2;;详解词的分布式表示;;6 1.3.3;;词嵌入;;7 1.4;;实体识别任务;;9 1.5;;关系抽取任务;;10 1.6;;事件抽取任务;;12 1.7;;预训练模型;;14 1.8;;小样本学习;;16 1.9;;领域自适应;;18 1.10;;多模态任务;;20 1.11;;对话任务;;23 1.11.1;;生成式对话;;23 1.11.2;;任务导向型对话;;24 1.12;;本书结构;;26 ;;参考文献;;26 第 2章;;从统计机器学习模型到神经网络模型;;28 2.1;;统计机器学三要素;;28 2.2;;隐马尔可夫模型;;28 2.3;;支持向量机;;30 2.4;;条件场 ;;34 2.5;;前馈神经网络;;37 2.6;;反馈神经网络;;42 2.6.1;;循环神经网络;;42 2.6.2;;递归神经网络;;43 2.6.3;;Hopfield神经网络;;44 2.6.4;;长短期记忆网络;;45 2.7;;注意力模型;;47 2.7.1;;注意力;;47 2.7.2;;Encoder-Decoder框架;;47 2.7.3;;软注意力;;49 2.7.4;;硬注意力;;50 2.7.5;;自注意力;;51 2.8;;Transformer模型;;53 2.9;;图神经网络模型;;55 ;;参考文献;;57 第3章;;词表示学习;;59 3.1;;分布假设与分布式表示;;59 3.2;;词向量模型CBOW;;60 3.3;;词向量模型Skip-Gram;;61 ;;参考文献;;62 部分;;知识抽取 第4章;;实体识别;;64 4.1;;基于卷积神经网络的实体识别;;64 4.2;;基于循环神经网络的实体识别;;67 4.3;;基于Transformer的实体识别模型;;70 ;;参考文献;;72 第5章;;关系抽取;;73 5.1;;基于注意力的关系抽取模型;;73 5.2;;基于集成学关系抽取模型;;76 5.3;;基于预训练的关系抽取模型;;78 5.4;;基于Transformer的关系抽取模型;;81 5.5;;基于G的关系抽取模型;;82 ;;参考文献;;84 第6章;;领域自适应;;86 6.1;;DAN模型;;86 6.2;;DANN模型;;87 6.3;;DSN模型;;90 ;;参考文献;;92 第7章;;多模态任务;;93 7.1;;多模态数据;;93 7.2;;多模态融合技术;;95 7.3;;多模态融合技术面临的挑战;;98 ;;参考文献;;99 第8章;;小样本学习;;100 8.1;;数据;;100 8.2;;远程监督;;102 8.3;;元学习;;103 ;;参考文献;;106 第9章;;实体与关系联合抽取;;107 9.1;;参数共享模式;;108 9.2;;新标注策略模式;;110 9.3;;关系重叠问题;;111 ;;参考文献;;112 第三部分;;电子病历研究与实践 第 10章;;电子病历研究背景;;114 10.1;;电子病历概述;;114 10.2;;电子病历文本类型;;115 10.3;;电子病历实体分类体系;;115 10.4;;电子病历实体关系分类体系;;116 10.5;;电子病历隐私实体分类体系;;117 10.6;;ICD编码;;118 10.7;;电子病历ICD自动编码实践 ;;119 10.8;;电子病历实体识别实践;;122 ;;参考文献;;131 第 11章;;电子病历的事件抽取;;132 11.1;;电子病历中的事件;;132 11.2;;电子病历事件触发词识别;;133 11.3;;电子病历事件触发词抽取实践;;134 11.3.1;;文本预处理;;134 11.3.2;;引入依存句法特征的动态多池化模型;;136 11.3.3;;动态多池化卷积神经网络;;138 11.3.4;;实验结果分析;;140 11.4;;电子病历事件元素抽取;;141 11.4.1;;电子病历事件元素角色类别的定义;;141 11.4.2;;电子病历事件元素抽取实践;;142 11.4.3;;句子编码;;142 11.4.4;;混合句法特征的图神经网络;;144 ;;参考文献;;146 第 12章;;对话摘要生成;;147 12.1;;基于情景记忆网络的编码标记模型;;148 12.1.1;;情景记忆网络;;149 12.1.2;;基于情景记忆网络的分层标记模型;;150 12.1.3;;实验;;151 12.2;;对话摘要的未来;;155 ;;参考文献;;155 第四部分;;前沿技术与实践 第 13章;;因果推断技术;;158 13.1;;电子病历中的因果关系;;158 13.2;;因果方法;;158 13.2.1;;因果推断;;158 13.2.2;;将因果关系发现与不同研究方向结合;;160 13.2.3;;将因果关系发现应用于不同领域;;161 13.2.4;;典型的因果推断技术;;161 13.3;;电子病历中的因果推断技术;;165 ;;参考文献;;166 第 14章;;小样本学习实体识别实践;;167 14.1;;问题定义;;167 14.2;;方法;;169 14.2.1;;原型网络;;169 14.2.2;;字符感知;;170 14.2.3;;句子感知;;171 14.2.4;;联合学习策略;;172 14.3;;实验;;172 14.3.1;;数据集;;172 14.3.2;;超参数设置;;173 14.3.3;;基线模型;;173 14.3.4;;整体实验结果;;174 14.3.5;;收敛速度验证;;174 14.3.6;;消融研究;;176 14.3.7;;整体实验结果;;177 14.3.8;;错误指标分析;;179 ;;参考文献;;180 第 15章;;小样本实体关系抽取实践;;181 15.1;;问题定义;;182 15.2;;方法;;182 15.2.1;;原型网络;;183 15.2.2;;注意力;;184 15.2.3;;深度集成策略;;185 15.2.4;;微调策略;;185 15.3;;实验;;186 15.3.1;;数据集;;186 15.3.2;;超参数设置;;186 15.3.3;;基线模型;;187 15.3.4;;整体实验结果;;187 15.3.5;;交叉验证;;189 15.3.6;;消融研究;;190 参考文献;;192
![]()
;;;;本书主要介绍自然语言处理技术在信息领域尤其是电子病历文本中的应用。本书首先对一些基础知识和技术做了介绍，然后给出相关技术在信息领域的应用案例。本书还介绍了知识抽取的一些前沿技术与实践。 ;;;;本书内容分为四大部分：基础知识、知识抽取、电子病历研究与实践，以及前沿技术与实践。 ;;;;部括第1～3章，主要介绍自然语言处理的基础知识、技术发展路线、相关任务以及词表示模型等。 ;;;;部括第4～9章，主要介绍知识抽取的相关任务和技术，其括实体识别、关系抽取、领域自适应、多模态、小样本和实体与关系联合抽取等。 ;;;;第三部括第10～12章，主要介绍自然语言处理技术在文本领域的应用，其括电子病历实体关系分类体系、ICD（International Classification of Diseases，疾病分类）编码、电子病历事件元素抽取等。 ;;;;第四部括第13～15章，主要介绍知识抽取的一些前沿技术及应用，如因果关系发现、小样本知识抽取及其在知识抽取中的应用等。 ;;;;本书可作为高校相关专业师生的学习用书和培训机构的教材，以及希望深入研究自然语言处理算法的计算机工程师的参考书，也可作为对人工智能、深度学习和自然语言处理感兴趣的初学者与希望把人工智能应用到领域的研究者学习用书。
![]()
![]()
1.全彩印刷，自然语言处理在文本上的智能应用图书，详细讲解领域的前沿技术。 2.清华大学人工智能研究院知识智能研究中心主任李涓。 3.作者是中国计算机学会-自然语言处理专业委员会委员，中国人工智能学会-青工委委员，参与IEEE标准《知识图谱架构》和国家标准《信息技术 人工智能 知识图谱技术框架》的制定。 4.面向领域文本数据，针对电子病历中术语繁多、语法结构缺失、标注成本大、属和关系复杂等问题，利用自然语言处理技术，从实体识别、关系抽取、事件抽取、对话等几方面进行方的介绍。并附有实际案例讲解。
1
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/qPr3p0e6peDrH3sEp3F1eg.jpg_400w_400h_4e)
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/qPr3p0e6peDrH3sEp3F1eg.jpg_60w_60h_4e)
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/8QbORJc-wKfIgzFU5XxUGg.jpg_60w_60h_4e)
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/AE43R_HKT8Vl49qvPOecYg.jpg_60w_60h_4e)
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/H6PAUh8syHLrdfVhKJg6cw.jpg_60w_60h_4e)
![[正版]自然语言处理与医疗文本的知识抽取 刘永彬,欧阳纯萍 电子病历神经网络文本抽取计算机人工智能医疗大数据处理分析书](http://imgservice.suning.cn/uimg1/b2c/image/sMcjB7zDXxleSCQol9WWEQ.jpg_60w_60h_4e)
