成功加入购物车
【全新正版】 自然语言处理领域中差分隐私和可解释技术的应用 陈
陈珂锐 / 经济管理出版社 / 2023-09 / 其他
售价 ¥ 49.18 5.6折
定价 ¥88.00
品相 全新
延迟发货说明
上书时间2026-05-02
卖家超过10天未登录
自然语言处理领域中差分隐私和可解释技术的应用
本书认为,自然语言处理技术经历了小规模专家知识(20世纪50年代-20世纪90年代)、大规模语料库统计模型(20世纪90年代-21世纪初)、大规模语料库深度学习(2010年-2017年)和大规模预训练语言模型(2018年至今)四个阶段。预训练模型的研究和应用是从2013年之后才开始,标志性事件是2018年10月份谷歌的Bert模型的出现,颠覆了NLP领域的研究范式,多数的NLP任务都转换成在预训练语言模型上学习,然后在下游任务微调的模式。特别是今年年初openAI公司的chatGPT的火爆问世,chatGPT的API已于2023年3月1日公开,而其背后的大规模语言模型的公开,必将导致包含隐私敏感数据训练的模型被提取出训练数据中的隐私敏感信息,而差分隐私技术和可解释性技术可以有效地解决隐私数据泄漏和模型不透明的问题。本书先介绍了自然语言和差分隐私的理论基础,论述当前自然语言模型所面临的私隐攻击类型,并在此基础之上根据文本处理粒度和扰动位置的不同,分别介绍单词层级的差分隐私、token层级的差分隐私、句子层级的差分隐私、主题层级的差分隐私和基于梯度扰动的差分隐私。最后论述自然语言处理模型中相关的可解释性技术。该书研究的成果广泛适合多种交叉学科的应用,如社交网络、情感分析、聊天机器人、城市交通、金融风控等领域,从而发挥巨大的研究意义和经济价值。
陈珂锐,吉林大学计算机应用技术博士,现为河南财经政法大学计算机与信息工程学院讲师。在《计算机研究与发展》等权威期刊发表论文4篇。担任过1项国家自然科学基金重大研究计划研究、2项国家自然基金研究。曾获得吉林省科学技术奖三等奖,中国商业联合会科学技术奖三等奖。
1.导论
1.1 小规模专家知识阶段
1.2 大规模语料库统计模型阶段
1.3 大规模语料库深度学阶段
1.4 大规模预训练语言模型阶段
2.自然语言处理基础
2.1 文本表示
2.2 自然语言处理任务
2.3 评价指标
3.预训练模型
3.1 静态词向量预训练模型
3.2 动态词向量预训练模型
3.3 预训练语言模型
4.自然语言处理中的神经网络
4.1 多层感知机
4.2 卷积神经网络
4.3 循环神经网络
4.4 注意力机制
……
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30