| | | 自然語言處理導論 圖書 | 該商品所屬分類:圖書 -> 科技 | 【市場價】 | 2352-3408元 | 【優惠價】 | 1470-2130元 | 【作者】 | 張奇桂韜黃萱菁 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
出版社:電子工業出版社 ISBN:9787121460326 商品編碼:10083193125655 品牌:文軒 出版時間:2023-08-01 代碼:268 作者:張奇,桂韜,黃萱菁
" 作 者:張奇,桂韜,黃萱菁 著 定 價:268 出 版 社:電子工業出版社 出版日期:2023年08月01日 頁 數:592 裝 幀:平裝 ISBN:9787121460326 "√探索自然語言處理的奧秘,讓機器擁有人類智慧!√解讀ChatGPT背後的核心技術!√配全書PPT課件√作為自然語言處理相關課程教材√自然語言處理感興趣的讀者入門之用" ●第 1 部分 基礎技術 第 1 章 緒論 2 1.1 自然語言處理的基本概念 2 1.1.1 自然語言處理簡史 2 1.1.2 自然語言處理的主要研究內容 5 1.1.3 自然語言處理的主要難點 7 1.2 自然語言處理的基本範式 10 1.2.1 基於規則的方法 11 1.2.2 基於機器學習的方法 12 1.2.3 基於深度學習的方法 14 1.2.4 基於大模型的方法 15 1.3 本書內容安排 16 第 2 章 詞彙分析 18 2.1 語言中的詞彙 18 2.1.1 詞的形態學 18 2.1.2 詞的詞性 19 2.2 詞語規範化 23 2.2.1 詞語切分 23 2.2.2 詞形還原 24 2.2.3 詞干提取 24 2.3 中文分詞 25 2.3.1 中文分詞概述 25 2.3.2 基於優選匹配的中文分詞算法 28 2.3.3 基於線性鏈條件隨機場的中文分詞算法 29 2.3.4 基於感知器的中文分詞算法 31 2.3.5 基於雙向長短期記憶網絡的中文分詞算法 34 2.3.6 中文分詞評測方法 36 2.3.7 中文分詞語料庫 37 2.4 詞性標注 38 2.4.1 基於規則的詞性標注 39 2.4.2 基於隱馬爾可夫模型的詞性標注 40 2.4.3 基於卷積神經網絡的詞性標注 42 2.4.4 詞性標注評測方法 44 2.4.5 詞性標注語料庫 45 2.5 延伸閱讀 46 2.6 習題 47 第 3 章 句法分析 48 3.1 句法概述 48 3.1.1 成分語法理論概述 49 3.1.2 依存語法理論概述 51 3.2 成分句法分析 53 3.2.1 基於上下文無關語法的成分句法分析 54 3.2.2 基於概率上下文無關語法的成分句法分析 59 3.2.3 成分句法分析評測方法 67 3.3 依存句法分析 69 3.3.1 基於圖的依存句法分析 70 3.3.2 基於神經網絡的圖依存句法分析 74 3.3.3 基於轉移的依存句法分析 79 3.3.4 基於神經網絡的轉移依存句法分析 82 3.3.5 依存句法分析評測方法 85 3.4 句法分析語料庫 86 3.5 延伸閱讀 89 3.6 習題 90 第 4 章 語義分析 91 4.1 語義學概述 91 4.1.1 詞彙語義學 92 4.1.2 句子語義學 96 4.2 語義表示 98 4.2.1 謂詞邏輯表示 99 4.2.2 框架表示 100 4.2.3 語義網絡表示 102 4.3 分布式表示 103 4.3.1 詞分布式表示 104 4.3.2 句子分布式表示 114 4.3.3 篇章分布式表示 117 4.4 詞義消歧 119 4.4.1 基於目標詞上下文的詞義消歧算法 119 4.4.2 基於詞義釋義匹配的詞義消歧算法 122 4.4.3 基於詞義知識增強預訓練的詞義消歧算法 126 4.4.4 詞義消歧評測方法 128 4.4.5 詞義消歧語料庫 128 4.5 語義角色標注 132 4.5.1 基於句法樹的語義角色標注算法 132 4.5.2 基於深度神經網絡的語義角色標注算法 135 4.5.3 語義角色標注評測方法 140 4.5.4 語義角色標注語料庫和語義角色標注評測 140 4.6 延伸閱讀 143 4.7 習題 144 第 5 章 篇章分析 145 5.1 篇章理論概述 145 5.1.1 篇章的銜接 146 5.1.2 篇章的連貫 148 5.1.3 篇章的結構 149 5.2 話語分割 153 5.2.1 基於詞彙句法樹的統計話語分割算法 154 5.2.2 基於循環神經網絡的話語分割算法 155 5.3 篇章結構分析 157 5.3.1 修辭結構篇章分析 157 5.3.2 淺層篇章分析 161 5.4 指代消解 167 5.4.1 基於表述對的指代消解算法 168 5.4.2 基於表述排序的指代消解算法 170 5.4.3 基於實體的指代消解算法 175 5.5 延伸閱讀 179 5.6 習題 180 第 6 章 語言模型 181 6.1 語言模型概述 181 6.2語言模型 182 6.2.1 加法平滑 184 6.2.2 古德-圖靈估計法 184 6.2.3 Katz 平滑 185 6.2.4 平滑方法總結 187 6.3 神經網絡語言模型 188 6.3.1 前饋神經網絡語言模型 188 6.3.2 循環神經網絡語言模型 189 6.4 預訓練語言模型 191 6.4.1 動態詞向量算法 ELMo 191 6.4.2 生成式預訓練語言模型 GPT 193 6.4.3 掩碼預訓練語言模型 BERT 195 6.4.4 序列到序列的預訓練語言模型 BART 199 6.4.5 預訓練語言模型的應用 201 6.5 大規模語言模型 203 6.5.1 基礎大模型訓練 205 6.5.2 指令微調 207 6.5.3 人類反饋 209 6.6 語言模型評測方法 210 6.7 延伸閱讀 210 6.8 習題 212 第 2 部分 核心技術 第 7 章 信息抽取 214 7.1 信息抽取概述 214 7.2 命名實體識別 216 7.2.1 非嵌套命名實體識別 217 7.2.2 嵌套命名實體識別 225 7.2.3 多規範命名實體識別 230 7.2.4 命名實體識別評測方法 233 7.2.5 命名實體識別語料庫 233 7.3 關繫抽取 235 7.3.1 有監督關繫抽取 236 7.3.2 遠程監督關繫抽取 240 7.3.3 開放關繫抽取 245 7.3.4 關繫抽取評測方法 249 7.3.5 關繫抽取語料庫 250 7.4 事件抽取 251 7.4.1 限定域事件抽取 251 7.4.2 開放域事件抽取 255 7.4.3 事件抽取評測方法 260 7.4.4 事件抽取語料庫 260 7.5 延伸閱讀 261 7.6 習題 262 第 8 章 機器翻譯.263 8.1 機器翻譯概述 263 8.1.1 機器翻譯的發展歷程 264 8.1.2 機器翻譯的現狀與挑戰 265 8.2 基於統計的機器翻譯方法 266 8.2.1 任務定義與基本問題 266 8.2.2 IBM 模型Ⅰ 270 8.2.3 IBM 模型Ⅱ 274 8.2.4 IBM 模型Ⅲ 275 8.2.5 IBM 模型Ⅳ 276 8.2.6 IBM 模型Ⅴ 277 8.3 基於神經網絡的機器翻譯方法 278 8.3.1 循環神經網絡翻譯模型 279 8.3.2 卷積神經網絡翻譯模型 281 8.3.3 自注意力神經網絡翻譯模型 284 8.4 機器翻譯語料庫 288 8.5 延伸閱讀 290 8.6 習題 291 第 9 章 情感分析 292 9.1 情感分析概述 292 9.1.1 情感模型 293 9.1.2 情感分析的主要任務 297 9.2 篇章級情感分析 300 9.2.1 基於支持向量機的篇章級情感分析 301 9.2.2 基於層次結構的篇章級情感分析 303 9.2.3 篇章級情感分析語料庫 305 9.3 句子級情感分析 307 9.3.1 基於詞典的句子級情感分析 308 9.3.2 基於遞歸神經張量網絡的句子級情感分析 309 9.3.3 基於情感知識增強預訓練的句子級情感分析 310 9.3.4 句子級情感分析語料庫 312 9.4 屬性級情感分析 313 9.4.1 情感信息抽取 313 9.4.2 屬性級情感分類 319 9.4.3 屬性級情感分析語料庫 329 9.5 延伸閱讀 331 9.6 習題 331 第 10 章 智能問答 332 10.1 智能問答概述 332 10.1.1 智能問答的發展歷程 333 10.1.2 智能問答的主要類型 334 10.2 閱讀理解 336 10.2.1 基於特征的閱讀理解算法 337 10.2.2 基於深度神經網絡的閱讀理解算法 340 10.2.3 閱讀理解語料庫 346 10.3 表格問答 347 10.3.1 基於特征的表格問答方法 348 10.3.2 基於深度學習的表格問答模型 349 10.3.3 表格問答語料庫 350 10.4 社區問答 351 10.4.1 基於特征的語義匹配算法 352 10.4.2 基於深度學習的語義匹配算法 353 10.4.3 社區問答語料庫 356 10.5 開放領域問答 357 10.5.1 基於檢索-閱讀理解架構的開放領域問答模型 358 10.5.2 基於端到端架構的開放領域問答模型 360 10.5.3 開放領域問答語料庫 362 10.6 延伸閱讀 363 10.7 習題 364 第 11 章 文本摘要 365 11.1 文本摘要概述 365 11.1.1 文本摘要的發展歷程 365 11.1.2 文本摘要的主要任務 367 11.2 抽取式文本摘要 368 11.2.1 基於排序的方法 368 11.2.2 基於序列標注的方法 373 11.3 生成式文本摘要 377 11.3.1 序列到序列生成式文本摘要 378 11.3.2 抽取與生成結合式文本摘要 384 11.4 文本摘要評測 388 11.4.1 人工評測 389 11.4.2 自動評測 390 11.5 文本摘要語料庫 393 11.5.1 單文檔摘要語料庫 393 11.5.2 多文檔摘要語料庫 393 11.5.3 對話摘要語料庫 393 11.5.4 多模態文本摘要語料庫 394 11.5.5 跨語言文本摘要語料庫 394 11.6 延伸閱讀 394 11.7 習題 395 第 12 章 知識圖譜 396 12.1 知識圖譜概述 396 12.1.1 知識圖譜的發展歷程 398 12.1.2 知識圖譜的研究內容 399 12.2 知識圖譜的表示與存儲 400 12.2.1 知識圖譜的符號表示 401 12.2.2 知識圖譜的向量表示 404 12.2.3 基於表的知識圖譜存儲 407 12.2.4 基於圖的知識圖譜存儲 410 12.3 知識圖譜的獲取與構建 413 12.3.1 屬性補全 415 12.3.2 實體鏈接 417 12.3.3 實體對齊 421 12.4 知識圖譜推理 426 12.4.1 基於符號邏輯的知識圖譜推理 427 12.4.2 基於表示學習的知識圖譜推理 430 12.5 知識圖譜問答 434 12.5.1 基於語義解析的知識圖譜問答 435 12.5.2 基於信息檢索的知識圖譜問答 437 12.5.3 基於深度學習的知識圖譜問答 441 12.5.4 知識圖譜問答語料庫 445 12.6 延伸閱讀 446 12.7 習題 447 第 3 部分 模型分析 第 13 章 模型穩健性 449 13.1 穩健性概述 449 13.1.1 穩健性的基本概念 450 13.1.2 穩健性的主要研究內容 451 13.2 數據偏差消除 452 13.3 文本對抗攻擊方法 454 13.3.1 字符級別的攻擊方法 455 13.3.2 詞級別的攻擊方法 456 13.3.3 句子級別的攻擊方法 458 13.3.4 後門攻擊 459 13.4 文本對抗防御方法 463 13.4.1 基於對抗訓練的文本對抗防御方法 463 13.4.2 基於表示壓縮的文本對抗防御方法 465 13.4.3 基於數據增強的文本對抗防御方法 466 13.4.4 對抗樣本檢測 468 13.5 模型穩健性評測基準 469 13.5.1 特定任務穩健性評測基準 469 13.5.2 模型穩健性通用評測基準 472 13.6 延伸閱讀 477 13.7 習題 478 第 14 章 模型可解釋性 479 14.1 可解釋性概述 479 14.1.1 可解釋性的分類 480 14.1.2 解釋方法評估 481 14.2 解釋性分析方法 483 14.2.1 局部分析方法 483 14.2.2 全局分析方法 489 14.3 自然語言處理算法的解釋性分析方法 492 14.3.1 模型解釋性分析方法 492 14.3.2 數據解釋性分析方法 496 14.3.3 可解釋評估 498 14.4 延伸閱讀 500 14.5 習題 500 參考文獻 501 索引 564 自然語言處理是人工智能的重要方向之一,被譽為人工智能皇冠上的"明珠”。它融合了語言學、計算 機科學、機器學習等多學科內容。本書主要包含基礎技術、核心技術以及模型分析三個部分。基礎技術部分 主要介紹自然語言處理的基礎任務和底層技術,包含詞彙分析、句法分析、語義分析、篇章分析和語言模型; 核心技術部分主要介紹自然語言處理應用任務和相關技術,主要包括信息抽取、機器翻譯、情感分析、智能 問答、文本摘要、知識圖譜;模型分析部分主要介紹基於機器學習的自然語言處理模型的穩健性和可解釋性 問題。
" | | | | | |