图文详情

基于深度学习的自然语言处理自然语言处理教程书人工智能语音识别技术自然语言文本提取技术卷积神经网络对抗算法书籍

9787111593737

作者: 约阿夫·戈尔德贝格（Yoav
出版社: 机械工业出版社
ISBN: 9787111593737

出版时间: 2022-08
装帧: 平装

作者: 约阿夫·戈尔德贝格（Yoav
出版社: 机械工业出版社

ISBN: 9787111593737
出版时间: 2022-08

装帧: 平装

售价 41.87

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2023-01-26

数量: 库存2件

立即购买加入购物车收藏

卖家超过10天未登录

十年老店

梦在书香

店铺等级

资质认证

90天平均

成功完成

91.39% (825笔)

好评率

99.88%

发货时间

22.34小时

店主

tfsd

联系

在线交谈离线留言

地址

江苏省南京市秦淮区

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

文学

货号：

570269376065

商品描述：

C1
书名：基于深度学习的自然语言处理定价:69.00元出版社：机械工业出版社 ISBN：9787111593737 出版时间：2018-06-01 开本： 16开版次： 1-1 译者序前言致谢 1章引言 11自然语言处理的挑战 12神经网络和深度学习 13自然语言处理中的深度学习 14本书的覆盖面和组织结构 15本书未覆盖的内容 16术语 17数学符号注释一部分有监督分类与前馈神经网络 2章学习基础与线性模型 21有监督学习和参数化函数 22训练集、测试集和验证集 23线性模型 231二分类 232对数线性二分类 233多分类 24表示 25独热和稠密向量表示 26对数线性多分类 27训练和优化 271损失函数 272正则化 28基于梯度的优化 281随机梯度下降 282实例 283其他训练方法 3章从线性模型到多层感知器 31线性模型的局限性：异或问题 32非线性输入转换 33核方法 34可训练的映射函数 4章前馈神经网络 41一个关于大脑的比喻 42数学表示 43表达能力 44常见的非线性函数 45损失函数 46正则化与丢弃法 47相似和距离层 48嵌入层 5章神经网络训练 51计算图的抽象概念 511前向计算 512反向计算（导数、反向传播） 513软件 514实现流程 515网络构成 52实践经验 521优化算法的选择 522初始化 523重启与集成 524梯度消失与梯度爆炸 525饱和神经元与死神经元 526随机打乱 527学习率 528minibatch 二部分处理自然语言数据 6章文本特征构造 61NLP分类问题中的拓扑结构 62NLP问题中的特征 621直接可观测特征 622可推断的语言学特征 623核心特征与组合特征 624n元组特征 625分布特征 7章NLP特征的案例分析 71文本分类：语言识别 72文本分类：主题分类 73文本分类：作者归属 74上下文中的单词：词性标注 75上下文中的单词：命名实体识别 76上下文中单词的语言特征：介词词义消歧 77上下文中单词的关系：弧分解分析 8章从文本特征到输入 81编码分类特征 811独热编码 812稠密编码（特征嵌入） 813稠密向量与独热表示 82组合稠密向量 821基于窗口的特征 822可变特征数目：连续词袋 83独热和稠密向量间的关系 84杂项 841距离与位置特征 842补齐、未登录词和词丢弃 843特征组合 844向量共享 845维度 846嵌入的词表 847网络的输出 85例子：词性标注 86例子：弧分解分析 9章语言模型 91语言模型任务 92语言模型评估：困惑度 93语言模型的传统方法 931延伸阅读 932传统语言模型的限制 94神经语言模型 95使用语言模型进行生成 96副产品：词的表示 10章预训练的词表示 101随机初始化 102有监督的特定任务的预训练 103无监督的预训练 104词嵌入算法 1041分布式假设和词表示 1042从神经语言模型到分布式表示 1043词语联系 1044其他算法 105上下文的选择 1051窗口方法 1052句子、段落或文档 1053句法窗口 1054多语种 1055基于字符级别和子词的表示 106处理多字单元和字变形 107分布式方法的限制 11章使用词嵌入 111词向量的获取 112词的相似度 113词聚类 114寻找相似词 115同中选异 116短文档相似度 117词的类比 118改装和映射 119实用性和陷阱 12章案例分析:一种用于句子意义推理的前馈结构 121自然语言推理与 SNLI数据集 122文本相似网络三部分特殊的结构 13章n元语法探测器：卷积神经网络 131基础卷积池化 1311文本上的一维卷积 1312向量池化 1313变体 132其他选择：特征哈希 133层次化卷积 14章循环神经网络：序列和栈建模 141RNN抽象描述 142RNN的训练 143RNN常见使用模式 1431接收器 1432编码器 1433传感器 144双向RNN 145堆叠RNN 146用于表示栈的RNN 147文献阅读的注意事项 15章实际的循环神经网络结构 151作为RNN的CBOW 152简单RNN 153门结构 1531长短期记忆网络 1532门限循环单元 154其他变体 155应用到RNN的丢弃机制 16章通过循环网络建模 161接收器 1611情感分类器 1612主谓一致语法检查 162作为特征提取器的RNN 1621词性标注 1622RNNCNN文本分类 1623弧分解依存句法分析 17章条件生成 171RNN生成器 172条件生成（编码器解码器） 1721序列到序列模型 1722应用 1723其他条件上下文 173无监督的句子相似性 174结合注意力机制的条件生成 1741计算复杂性 1742可解释性 175自然语言处理中基于注意力机制的模型 1751机器翻译 1752形态屈折 1753句法分析四部分其他主题 18章用递归神经网络对树建模 181形式化定义 182扩展和变体 183递归神经网络的训练 184一种简单的替代——线性化树 185前景 19章结构化输出预测 191基于搜索的结构化预测 1911基于线性模型的结构化预测 1912非线性结构化预测 1913概率目标函数（CRF） 1914近似搜索 1915重排序 1916参考阅读 192贪心结构化预测 193条件生成与结构化输出预测 194实例 1941基于搜索的结构化预测：一阶依存句法分析 1942基于NeuralCRF的命名实体识别 1943基于柱搜索的NERCRF近似 20章级联、多任务与半监督学习 201模型级联 202多任务学习 2021多任务设置下的训练 2022选择性共享 2023作为多任务学习的词嵌入预训练 2024条件生成中的多任务学习 2025作为正则的多任务学习 2026注意事项 203半监督学习 204实例 2041眼动预测与句子压缩 2042弧标注与句法分析 2043介词词义消歧与介词翻译预测 2044条件生成：多语言机器翻译、句法分析以及图像描述生成 205前景 21章结论 211我们学到了什么 212未来的挑战参考文献本书重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识，如何将机器学习方法应用在自然语言处理中，以及词向量表示（而不是符号表示）的应用。然后介绍更多专门的神经网络结构，包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。后讨论树形网络、结构化预测以及多任务学习的前景。
配送说明

...
相似商品
为你推荐

孔网分类

孔网特色

外文古旧书(4)

图书

特色

图书

基于深度学习的自然语言处理 自然语言处理教程书 人工智能语音识别技术自然语言文本提取技术 卷积神经网络对抗算法书籍

孔网啦啦啦啦啦纺织女工火锅店第三课

基于深度学习的自然语言处理自然语言处理教程书人工智能语音识别技术自然语言文本提取技术卷积神经网络对抗算法书籍