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50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。
正版 基于NLP的内容理解 李明琦,谷雪,孟子尧 著 BAT高级AI技术专家撰写 机械工业出版社 978711172
¥ ×1
| |
商品名称: | 基于NLP的内容理解 |
作 者: | 李明琦 谷雪 孟子尧
|
市 场 价: | 99.00
|
ISBN 号: | 9787111720690
|
出版日期: |
|
页 数: | 242
|
开 本: |
|
出 版 社: | 机械工业出版社 |
CONTENTS 目 录 前言 第1章 文本特征表示 1 1.1 语料与语料预处理 1 1.1.1 语料和语料库 1 1.1.2 语料预处理 2 1.2 文本特征表示方法 6 1.2.1 离散型特征表示方法 6 1.2.2 分布型特征表示方法 13 1.3 词向量的评判标准 29 1.3.1 内部评估 29 1.3.2 外在评估 31 1.4 本章小结 34 第2章 内容重复理解 35 2.1 标题重复 35 2.1.1 标题符号规整化处理 36 2.1.2 Jieba分词 39 2.1.3 LAC分词 43 2.1.4 基于分词及字符串等 方式进行重复识别 45 2.2 段落重复识别实例 47 2.2.1 段落重复识别 47 2.2.2 基于N-gram算法进行 内容去重 48 2.2.3 平滑处理技术 54 2.3 基于相似度计算的文章判重 57 2.3.1 文本相似度计算任务 的分析 57 2.3.2 距离度量方式 58 2.3.3 基于SimHash算法进行 文本重复检测 62 2.4 本章小结 66 第3章 内容通顺度识别及纠正 67 3.1 数据增强 67 3.2 基于FastText算法的句子 通顺度识别 73 3.2.1 CBOW模型 74 3.2.2 FastText算法原理 75 3.2.3 FastText算法实战 81 3.3 基于TextCNN算法的分类 任务实现 93 3.3.1 专有名词简介 93 3.3.2 算法介绍 94 3.3.3 参数调优经验总结 96 3.3.4 基于Keras工具实现TextCNN算法 96 3.4 基于TextRNN算法的分类 任务实现 98 3.4.1 LSTM和BiLSTM 98 3.4.2 TextCNN和TextRNN 识别效果对比 105 3.5 基于Seq2Seq模型的 纠正策略 106 3.5.1 Seq2Seq模型原理 106 3.5.2 纠正不通顺句子的方法 108 3.6 本章小结 114 第4章 内容质量 116 4.1 GBDT算法 116 4.1.1 GBDT算法概述 117 4.1.2 负梯度拟合 117 4.1.3 GBDT回归算法 118 4.1.4 GBDT分类算法 119 4.2 XGBoost算法 121 4.2.1 从GBDT到XGBoost 121 4.2.2 XGBoost损失函数 122 4.2.3 XGBoost损失函数的 优化求解 124 4.2.4 XGBoost算法流程 125 4.2.5 XGBoost算法参数 及调优 127 4.3 知识问答质量体系的搭建 129 4.3.1 知识问答质量体系 建立的意义 130 4.3.2 整体的项目实施方案 130 4.3.3 知识问答质量体系 搭建流程 133 4.4 本章小结 142 第5章 标签体系构建 143 5.1 标签体系 143 5.1.1 标签体系的重要性 143 5.1.2 标签体系的分类 144 5.1.3 构建标签体系 146 5.2 TF-IDF算法 151 5.2.1 TF-IDF算法介绍 151 5.2.2 TF-IDF算法实现 152 5.3 PageRank算法 155 5.4 TextRank算法 163 5.4.1 TextRank算法的使用 场景 164 5.4.2 TextRank算法的 优缺点 168 5.5 本章小结 168 第6章 文本摘要生成 169 6.1 文本摘要相关介绍 169 6.1.1 文本摘要问题定义 169 6.1.2 文本摘要分类 170 6.1.3 文本摘要的技术和方法 170 6.2 基于无监督的抽取式文本摘要 172 6.2.1 基于经验的文本摘要 173 6.2.2 基于主题模型的 文本摘要 175 6.2.3 基于图的文本摘要 182 6.2.4 基于特征评分的 文本摘要 185 6.2.5 基于聚类的文本摘要 188 6.3 基于有监督的抽取式文本摘要 191 6.4 基于深度神经网络的生成式 文本摘要 201 6.5 文本摘要常用数据集 210 6.6 文本摘要评价方法 211 6.6.1 自动评价方法 211 6.6.2 人工评价方法 213 6.7 本章小结 213 第7章 文本纠错 214 7.1 错误来源及类型 214 7.2 文本纠错的3种传统方法 215 7.2.1 模板匹配 215 7.2.2 编辑距离匹配 216 7.2.3 HANSpeller++框架 217 7.3 文本纠错深度学习方法 220 7.3.1 英文文本纠错方法 220 7.3.2 中文文本纠错方法 224 7.4 工业界解决方法 233 7.4.1 3阶段级联的纠错方案 234 7.4.2 符合多种场景的通用 纠错方案 236 7.4.3 保险文本的纠错方案 237 7.5 文本纠错工具 239 7.5.1 pycorrector 239 7.5.2 xmnlp 240 7.6 本章小结 242 |
这是一本讲述如何用NLP技术进行文本内容理解的著作,也是一本系统讲解NLP算法的著作,是作者在NLP和内容理解领域多年经验的总结。 本书结合内容理解的实际业务场景,系统全面、循序渐进地讲解了各种NLP算法以及如何用这些算法高效地解决内容理解方面的难题,主要包括如下几个方面的内容: (1)文本特征表示 文本特征表示是NLP的基石,也是内容理解的基础环节,本书详细讲解了离散型表示方法和分布型表示方法等特征表示方法及其应用场景,还讲解了词向量的评判标准。 (2)内容重复理解 详细讲解了标题重复、段落重复、文章重复的识别方法和去重算法。 (3)内容通顺度识别及纠正 详细讲解了内容通顺度的识别方法以及纠正不通顺内容的方法。 (4)内容质量 详细讲解了多种内容质量相关的算法,以及如何搭建高质量的知识问答体系的流程。 (5)标签体系构建 详细讲解了针对内容理解的标签体系的建设流程和方法,以及多种相关算法。 (6)文本摘要生成 详细讲解了抽取式文本摘要和生成式文本摘要两种流行的文本摘要生成方法,以及文本摘要的常用数据集和文本摘要评价方法。 (7)文本纠错 详细讲解了文本纠错的传统方法、深度学习方法、工业界解决方案,以及常用的文本纠错工具的安装和使用。 |
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