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

  • 动手学自然语言处理 屠可伟 等 著 计算机控制仿真与人工智能专业科技 正版图书籍 人民邮电出版社
  • 新商品上架
    • 作者: 屠可伟等著
    • 出版社: 人民邮电出版社
    • 出版时间:2024-05
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 屠可伟等著
    • 出版社:人民邮电出版社
    • 出版时间:2024-05
    • ISBN:9789222504513
    • 版权提供:人民邮电出版社

    动手学自然语言处理

    作  者:屠可伟 等 著
    定  价:89.8
    出 版 社:人民邮电出版社
    出版日期:2024年05月01日
    页  数:248
    装  帧:平装
    ISBN:9787115636461

    ·名家作品:上海交通大学ACM班创办人俞勇教授、上海科技大学博士生导师屠可伟副教授等共同编写·多位业内大咖力荐:文继荣|周明|邱锡鹏|李磊|杨笛一等学术及工业界大咖力荐·配套资源丰富:配套源代码+在线视频课程+在线讨论区+在线习题+教学课件,助你轻松入门并系统学习大模型背后的自然语言处理底层技术

    第1章初探自然语言处理1
    1.1自然语言处理是什么1
    1.2自然语言处理的应用2
    1.3自然语言处理的难点3
    1.4自然语言处理的方法论4
    1.5小结5
    第一部分基础
    第2章文本规范化8
    2.1分词8
    2.1.1基于空格与标点符号的分词8
    2.1.2基于正则表达式的分词9
    2.1.3词间不含空格的语言的分词12
    2.1.4基于子词的分词13
    2.2词规范化17
    2.2.1大小写折叠17
    2.2.2词目还原18
    2.2.3词干还原19
    2.3分句19
    2.4小结20
    第3章文本表示22
    3.1词的表示22
    3.2稀疏向量表示24
    3.3稠密向量表示25
    3.3.1word2vec25
    3.3.2上下文相关词嵌入30
    3.4文档表示30
    3.4.1词-文档共现矩阵31
    3.4.2TF-IDF加权31
    3.4.3文档的稠密向量表示33
    3.5小结33
    第4章文本分类35
    4.1基于规则的文本分类35
    4.2基于机器学习的文本分类36
    4.2.1朴素贝叶斯36
    4.2.2逻辑斯谛回归42
    4.3分类结果评价45
    4.4小结47
    第5章文本聚类49
    5.1k均值聚类算法49
    5.2基于高斯混合模型的优选期望值算法53
    5.2.1高斯混合模型53
    5.2.2优选期望值算法53
    5.3无监督朴素贝叶斯模型57
    5.4主题模型60
    5.5小结61
    第二部分序列
    第6章语言模型64
    6.1概述64
    6.2n元语法模型66
    6.3循环神经网络67
    6.3.1循环神经网络67
    6.3.2长短期记忆73
    6.3.3多层双向循环神经网络76
    6.4注意力机制80
    多头注意力83
    6.5Transformer模型85
    6.6小结91
    第7章序列到序列模型93
    7.1基于神经网络的序列到序列模型93
    7.1.1循环神经网络94
    7.1.2注意力机制96
    7.1.3Transformer98
    7.2学习101
    7.3解码106
    7.3.1贪心解码106
    7.3.2束搜索解码107
    7.3.3其他解码问题与解决技巧110
    7.4指针网络111
    7.5序列到序列任务的延伸112
    7.6小结113
    第8章预训练语言模型114
    8.1ELMo:基于语言模型的上下文相关词嵌入114
    8.2BERT:基于Transformer的双向编码器表示115
    8.2.1掩码语言模型115
    8.2.2BERT模型116
    8.2.3预训练116
    8.2.4微调与提示117
    8.2.5BERT代码演示117
    8.2.6BERT模型扩展121
    8.3GPT:基于Transformer的生成式预训练语言模型122
    8.3.1GPT模型的历史122
    8.3.2GPT-2训练演示123
    8.3.3GPT的使用125
    8.4基于编码器-解码器的预训练语言模型128
    8.5基于HuggingFace的预训练语言模型使用129
    8.5.1文本分类129
    8.5.2文本生成130
    8.5.3问答130
    8.5.4文本摘要131
    8.6小结131
    第9章序列标注133
    9.1序列标注任务133
    9.1.1词性标注133
    9.1.2中文分词134
    9.1.3命名实体识别134
    9.1.4语义角色标注135
    9.2隐马尔可夫模型135
    9.2.1模型135
    9.2.2解码136
    9.2.3输入序列的边际概率137
    9.2.4单个标签的边际概率138
    9.2.5监督学习139
    9.2.6无监督学习139
    9.2.7部分代码实现141
    9.3条件随机场146
    9.3.1模型146
    9.3.2解码147
    9.3.3监督学习148
    9.3.4无监督学习149
    9.3.5部分代码实现149
    9.4神经序列标注模型154
    9.4.1神经softmax154
    9.4.2神经条件随机场154
    9.4.3代码实现155
    9.5小结156
    第三部分结构
    第10章成分句法分析160
    10.1成分结构160
    10.2成分句法分析概述161
    10.2.1歧义性与打分161
    10.2.2解码162
    10.2.3学习162
    10.2.4评价指标163
    10.3基于跨度的成分句法分析163
    10.3.1打分164
    10.3.2解码165
    10.3.3学习170
    10.4基于转移的成分句法分析173
    10.4.1状态与转移173
    10.4.2转移的打分174
    10.4.3解码175
    10.4.4学习176
    10.5基于上下文无关文法的成分句法分析177
    10.5.1上下文无关文法177
    10.5.2解码和学习178
    10.6小结179
    第11章依存句法分析181
    11.1依存结构181
    11.1.1投射性182
    11.1.2与成分结构的关系182
    11.2依存句法分析概述184
    11.2.1打分、解码和学习184
    11.2.2评价指标184
    11.3基于图的依存句法分析185
    11.3.1打分185
    11.3.2解码186
    11.3.3Eisner算法186
    11.3.4MST算法191
    11.3.5高阶方法194
    11.3.6监督学习194
    11.4基于转移的依存句法分析195
    11.4.1状态与转移196
    11.4.2打分、解码与学习196
    11.5小结198
    第12章语义分析200
    12.1显式和隐式的语义表示200
    12.2词义表示201
    12.2.1WordNet201
    12.2.2词义消歧203
    12.3语义表示204
    12.3.1专用和通用的语义表示204
    12.3.2一阶逻辑205
    12.3.3语义图205
    12.4语义分析206
    12.4.1基于句法的语义分析206
    12.4.2基于神经网络的语义分析207
    12.4.3弱监督学习209
    12.5语义角色标注209
    12.5.1语义角色标注标准209
    12.5.2语义角色标注方法211
    12.6信息提取211
    12.7小结212
    第13章篇章分析213
    13.1篇章213
    13.1.1连贯性关系213
    13.1.2篇章结构214
    13.1.3篇章分析215
    13.2共指消解215
    13.2.1提及检测216
    13.2.2提及聚类216
    13.3小结220
    总结与展望221
    参考文献223
    中英文术语对照表228
    附录234

    内容简介

    本书介绍自然语言处理的原理和方法及其代码实现,是一本着眼于自然语言处理教学实践的图书。
    本书分为3个部分。第一部分介绍基础技术,包括文本规范化、文本表示、文本分类、文本聚类。第二部分介绍自然语言的序列建模,包括语言模型、序列到序列模型、预训练语言模型、序列标注。第三部分介绍自然语言的结构建模,包括成分句法分析、依存句法分析、语义分析、篇章分析。本书将自然语言处理的理论与实践相结合,提供所介绍方法的代码示例,能够帮助读者掌握理论知识并进行动手实践。
    本书适合作为高校自然语言处理课程的教材,也可作为相关行业的研究人员和开发人员的参考资料。

    屠可伟 等 著

    屠可伟,上海科技大学信息科学与技术学院长聘副教授、研究员、博士生导师。研究方向包括自然语言处理、机器学习等,主要研究将符号、统计和神经方法相结合用于语言结构的表示、学习与利用。发表论文100余篇,主要发表在ACL、EMNLP、AAAI 等人工智能领域很好会议。担任多个很好会议程序委员会委员和领域主席。曾获ACL 2023杰出论文奖,以及SemEval 2022和SemEval 2023很好系统论文奖。王新宇,上海科技大学博士,长期从事自然语言处理研究工作,在ACL、EMNLP、NAACL等很好会议上发表论文10余篇,担任ACL、NAACL会议的领域主席以及ACL滚动审查(ACL Rollin......

    1
    • 商品详情
    • 内容简介

    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