包郵基於深度學習的自然語言處理|7891598 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

以約阿夫戈爾德貝格Yoav Gold 著，車萬翔郭江張偉男譯

下載链接在页面底部

點擊這裡下載

想要找書就要到新城書站

book.cndgn.com

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-27

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

店鋪：互動創新圖書專營店

齣版社：機械工業齣版社

ISBN：9787111593737

商品編碼：28436923465

叢書名：智能科學與技術叢書

齣版時間：2018-05-01

類似圖書點擊查看全場最低價

圖書描述

書[0名0]：	基於深度[0學0]習的自然語言處理\|7891598
圖書定價：	69元
圖書作者：	（以）約阿夫·戈爾德貝格（Yoav Goldberg）
齣版社：	[1機1] 械工業齣版社
齣版日期：	2018/5/1 0:00:00
ISBN號：	9787111593737
開本：	16開
頁數：	0
版次：	1-1

內容簡介

本書重點介紹瞭神[0經0]網絡模型在自然語言處理中的應用。[0首0]先介紹有監督的 [1機1] 器[0學0]習和前饋神[0經0]網絡的基本[0知0]識，如何將 [1機1] 器[0學0]習方[0法0]應用在自然語言處理中，以及詞嚮量錶示（而不是符號錶示）的應用。然後介紹更多專門的神[0經0]網絡結構，包括一維捲積神[0經0]網絡、循環神[0經0]網絡、條件生成模型和基於注意力的模型。後討論樹形網絡、結構化預測以及多任務[0學0]習的前景。

譯者序
前言
緻謝
[0第0]1章引言
1��1自然語言處理的挑戰
1��2神[0經0]網絡和深度[0學0]習
1��3自然語言處理中的深度[0學0]習
1��4本書的覆蓋麵和組織結構
1��5本書未覆蓋的內容
1��6術語
1��7數[0學0]符號
注釋
[0第0]一部分有監督分類與前饋神[0經0]網絡
[0第0]2章[0學0]習基礎與綫性模型
2��1有監督[0學0]習和參數化函數
2��2訓練集、測試集和驗證集
2��3綫性模型
2��3��1二分類
2��3��2對數綫性二分類
2��3��3多分類
2��4錶示
2��5[0獨0]熱和稠密嚮量錶示
2��6對數綫性多分類
2��7訓練和[0優0]化
2��7��1損失函數
2��7��2正則化
2��8基於梯度的[0優0]化
2��8��1隨 [1機1] 梯度下降
2��8��2實例
2��8��3其他訓練方[0法0]
[0第0]3章從綫性模型到多層感[0知0]器
3��1綫性模型的局限性：異或問題
3��2非綫性輸入轉換
3��3核方[0法0]
3��4可訓練的映射函數
[0第0]4章前饋神[0經0]網絡
4��1一個關於[0大0]腦的比喻
4��2數[0學0]錶示
4��3錶達能力
4��4常見的非綫性函數
4��5損失函數
4��6正則化與丟棄[0法0]
4��7相似和距離層
4��8嵌入層
[0第0]5章神[0經0]網絡訓練
5��1計算圖的抽象概念
5��1��1前嚮計算
5��1��2反嚮計算（導數、反嚮傳播）
5��1��3軟件
5��1��4實現流程
5��1��5網絡構成
5��2實踐[0經0]驗
5��2��1[0優0]化算[0法0]的選擇
5��2��2初始化
5��2��3重啓與集成
5��2��4梯度消失與梯度爆炸
5��2��5飽和神[0經0]元與死神[0經0]元
5��2��6隨 [1機1] 打亂
5��2��7[0學0]習率
5��2��8minibatch
[0第0]二部分處理自然語言數據
[0第0]6章文本特徵構造
6��1NLP分類問題中的拓撲結構
6��2NLP問題中的特徵
6��2��1直接可觀測特徵
6��2��2可推斷的語言[0學0]特徵
6��2��3核心特徵與組閤特徵
6��2��4n元組特徵
6��2��5分布特徵
[0第0]7章NLP特徵的案例分析
7��1文本分類：語言識彆
7��2文本分類：主題分類
7��3文本分類：作者歸屬
7��4上下文中的單詞：詞性標注
7��5上下文中的單詞：命[0名0]實體識彆
7��6上下文中單詞的語言特徵：介詞詞義消歧
7��7上下文中單詞的關係：弧分解分析
[0第0]8章從文本特徵到輸入
8��1編碼分類特徵
8��1��1[0獨0]熱編碼
8��1��2稠密編碼（特徵嵌入）
8��1��3稠密嚮量與[0獨0]熱錶示
8��2組閤稠密嚮量
8��2��1基於窗口的特徵
8��2��2可變特徵數目：連續詞袋
8��3[0獨0]熱和稠密嚮量間的關係
8��4雜項
8��4��1距離與位置特徵
8��4��2補齊、未登錄詞和詞丟棄
8��4��3特徵組閤
8��4��4嚮量共享
8��4��5維度
8��4��6嵌入的詞錶
8��4��7網絡的輸齣
8��5例子：詞性標注
8��6例子：弧分解分析
[0第0]9章語言模型
9��1語言模型任務
9��2語言模型[0評0]估：睏惑度
9��3語言模型的傳統方[0法0]
9��3��1延伸閱讀
9��3��2傳統語言模型的限製
9��4神[0經0]語言模型
9��5使用語言模型進行生成
9��6副産[0品0]：詞的錶示
[0第0]10章預訓練的詞錶示
10��1隨 [1機1] 初始化
10��2有監督的特定任務的預訓練
10��3無監督的預訓練
10��4詞嵌入算[0法0]
10��4��1分布式[jia]設和詞錶示
10��4��2從神[0經0]語言模型到分布式錶示
10��4��3詞語聯係
10��4��4其他算[0法0]
10��5上下文的選擇
10��5��1窗口方[0法0]
10��5��2句子、段落或文檔
10��5��3句[0法0]窗口
10��5��4多語種
10��5��5基於字符級彆和子詞的錶示
10��6處理多字單元和字變形
10��7分布式方[0法0]的限製
[0第0]11章使用詞嵌入
11��1詞嚮量的獲取
11��2詞的相似度
11��3詞聚類
11��4尋找相似詞
11��5同中選異
11��6短文檔相似度
11��7詞的類比
11��8改裝和映射
11��9實用性和陷阱
[0第0]12章案例分析:一種用於句子意義推理的前饋結構
12��1自然語言推理與 SNLI數據集
12��2文本相似網絡
[0第0]三部分特殊的結構
[0第0]13章n元語[0法0]探測器：捲積神[0經0]網絡
13��1基礎捲積池化
13��1��1文本上的一維捲積
13��1��2嚮量池化
13��1��3變體
13��2其他選擇：特徵哈希
13��3層次化捲積
[0第0]14章循環神[0經0]網絡：序列和棧建模
14��1RNN抽象描述
14��2RNN的訓練
14��3RNN常見使用模式
14��3��1接收器
14��3��2編碼器
14��3��3傳感器
14��4[0雙0]嚮RNN
14��5堆疊RNN
14��6用於錶示棧的RNN
14��7文獻閱讀的注意事項
[0第0]15章實際的循環神[0經0]網絡結構
15��1作為RNN的CBOW
15��2簡單RNN
15��3門結構
15��3��1長短期記憶網絡
15��3��2門限循環單元
15��4其他變體
15��5應用到RNN的丟棄 [1機1] 製
[0第0]16章通過循環網絡建模
16��1接收器
16��1��1情感分類器
16��1��2主謂一緻語[0法0]檢查
16��2作為特徵提取器的RNN
16��2��1詞性標注
16��2��2RNN�睠NN文本分類
16��2��3弧分解依存句[0法0]分析
[0第0]17章條件生成
17��1RNN生成器
17��2條件生成（編碼器解碼器）
17��2��1序列到序列模型
17��2��2應用
17��2��3其他條件上下文
17��3無監督的句子相似性
17��4結閤注意力 [1機1] 製的條件生成
17��4��1計算復雜性
17��4��2可解釋性
17��5自然語言處理中基於注意力 [1機1] 製的模型
17��5��1 [1機1] 器翻譯
17��5��2形態屈摺
17��5��3句[0法0]分析
[0第0]四部分其他主題
[0第0]18章用遞歸神[0經0]網絡對樹建模
18��1形式化定義
18��2擴展和變體
18��3遞歸神[0經0]網絡的訓練
18��4一種簡單的替代——綫性化樹
18��5前景
[0第0]19章結構化輸齣預測
19��1基於搜索的結構化預測
19��1��1基於綫性模型的結構化預測
19��1��2非綫性結構化預測
19��1��3概率目標函數（CRF）
19��1��4近似搜索
19��1��5重排序
19��1��6參考閱讀
19��2貪心結構化預測
19��3條件生成與結構化輸齣預測
19��4實例
19��4��1基於搜索的結構化預測：一階依存句[0法0]分析
19��4��2基於Neural�睠RF的命[0名0]實體識彆
19��4��3基於柱搜索的NER�睠RF近似
[0第0]20章級聯、多任務與半監督[0學0]習
20��1模型級聯
20��2多任務[0學0]習
20��2��1多任務設置下的訓練
20��2��2選擇性共享
20��2��3作為多任務[0學0]習的詞嵌入預訓練
20��2��4條件生成中的多任務[0學0]習
20��2��5作為正則的多任務[0學0]習
20��2��6注意事項
20��3半監督[0學0]習
20��4實例
20��4��1眼動預測與句子壓縮
20��4��2弧標注與句[0法0]分析
20��4��3介詞詞義消歧與介詞翻譯預測
20��4��4條件生成：多語言 [1機1] 器翻譯、句[0法0]分析以及圖像描述生成
20��5前景
[0第0]21章結論
21��1我們[0學0]到瞭什麼
21��2未來的挑戰
參考文獻

包郵基於深度學習的自然語言處理|7891598 下載 mobi epub pdf txt 電子書格式