基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 pdf epub mobi txt 电子书 下载 2024

图书介绍


基于深度学习的自然语言处理 计算机与互联网 书籍|7891598

简体网页||繁体网页
以 约阿夫 戈尔德贝格Yoav Gold 著,车万翔 郭江 张伟男 译



点击这里下载
    

想要找书就要到 静流书站
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

发表于2024-12-16


类似图书 点击查看全场最低价

店铺: 互动出版网图书专营店
出版社: 机械工业出版社
ISBN:9787111593737
商品编码:27964272228
丛书名: 智能科学与技术丛书
出版时间:2018-05-01

基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024

相关图书



基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024

基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 pdf epub mobi txt 电子书 下载



具体描述

 书[0名0]:  基于深度学]习的自然语言处理|7891598
 图书定价:  69元
 图书作者:  (以)约阿夫·戈尔德贝格(Yoav Goldberg)
 出版社:   机械工业出版社
 出版日期:  2018/5/1 0:00:00
 ISBN号:  9787111593737
 开本:  16开
 页数:  0
 版次:  1-1
 内容简介
本书重点介绍了神经网络模型在自然语言处理中的应用。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。

 目录

译者序

前言

致谢 

[第]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

第一部分有监督分类与前馈神经网络

第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

第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 

第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

第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

第二部分处理自然语言数据

第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

第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

第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

第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

第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

第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

第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

第三部分特殊的结构

第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

第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

第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

第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�睠NN文本分类

16.2.3弧分解依存句法分析

第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

第四部分其他主题

第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

第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�睠RF的命名实体识别

19.4.3基于柱搜索的NER�睠RF近似

第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

第21章结论

21.1我们学到了什么

21.2未来的挑战

参考文献

译者序
自然语言处理(Natural Language Processing,NLP)主要研究用计算机来处理、理解以及运用人类语言(又称自然语言)的各种理论和方法,属于人工智能领域的一个重要研究方向,是计算机科学与语言学的交叉学科,又常被称为计算语言学。随着互联网的快速发展,网络文本尤其是用户生成的文本呈爆炸性增长,为自然语言处理带来了巨大的应用需求。同时,自然语言处理研究的进步,也为人们更深刻地理解语言的机理和社会的机制提供了一种新的途径,因此具有重要的科学意义。
然而,自然语言具有歧义性、动态性和非规范性,同时语言理解通常需要丰富的知识和一定的推理能力,这些都给自然语言处理带来了极大的挑战。目前,统计机器学习技术为以上问题提供了一种可行的解决方案,成为研究的主流,该研究领域又被称为统计自然语言处理。一个统计自然语言处理系统通常由两部分组成,即训练数据(也称样本)和统计模型(也称算法)。
但是,传统的机器学习方法在数据获取和模型构建等诸多方面都存在严重的问题。首先,为获得大规模的标注数据,传统方法需要花费大量的人力、物力、财力,雇用语言学专家进行繁琐的标注工作。由于这种方法存在标注代价高、规范性差等问题,很难获得大规模、高质量的人工标注数据,由此带来了严重的数据稀疏问题。其次,在传统的自然语言处理模型中,通常需要人工设计模型所需要的特征以及特征组合。这种人工设计特征的方式,需要开发人员对所面对的问题有深刻的理解和丰富的经验,这会消耗大量的人力和时间,即便如此也往往很难获得有效的特征。
近年来,如火如荼的深度学习技术为这两方面的问题提供了一种可能的解决思路,有效推动了自然语言处理技术的发展。深度学习一般是指建立在含有多层非线性变换的神经网络结构之上,对数据的表示进行抽象和学习的一系列机器学习算法。该方法已对语音识别、图像处理等领域的进步起到了极大的推动作用,同时也引起了自然语言处理领域学者的广泛关注。
深度学习主要为自然语言处理的研究带来了两方面的变化:一方面是使用统一的分布式(低维、稠密、连续)向量表示不同粒度的语言单元,如词、短语、句子和篇章等;另一方面是使用循环、卷积、递归等神经网络模型对不同的语言单元向量进行组合,获得更大语言单元的表示。除了不同粒度的单语语言单元外,不同种类的语言甚至不同模态(语言、图像等)的数据都可以通过类似的组合方式表示在相同的语义向量空间中,然后通过在向量空间中的运算来实现分类、推理、生成等各种任务并应用于各种相关的任务之中。
虽然将深度学习技术应用于自然语言处理的研究目前非常热门,但是市面上还没有一本书系统地阐述这方面的研究进展,初学者往往通过学习一些在线课程(如斯坦福的CS224N课程)来掌握相关的内容。本书恰好弥补了这一不足,深入浅出地介绍了深度学习的基本知识及各种常用的网络结构,并重点介绍了如何使用这些技术处理自然语言。
本书的作者Yoav Goldberg现就职于以色列巴伊兰大学,是自然语言处理领域一位非常活跃的青年学者。Goldberg博士期间的主要研究方向为依存句法分析,随着深度学习的兴起,他也将研究兴趣转移至此,并成功地将该技术应用于依存句法分析等任务。与此同时,他在理论上对词嵌入和传统矩阵分解方法的对比分析也具有广泛的影响力。另外,他还是DyNet深度学习库的主要开发者之一。可见,无论在理论上还是实践上,他对深度学习以及自然语言处理都具有非常深的造诣。这些都为本书的写作奠定了良好的基础。
由于基于深度学习的自然语言处理是一个非常活跃的研究领域,新的理论和技术层出不穷,因此本书很难涵盖所有的最新技术。不过,本书基本涵盖了目前已经被证明非常有效的技术。关于这方面的进展,读者可以参阅自然语言处理领域最新的论文。
我们要感谢对本书的翻译有所襄助的老师和学生。本书由哈尔滨工业大学的车万翔、郭江、张伟男、刘铭四位老师主译,刘挺教授主审。侯宇泰、姜天文、李家琦、覃立波、宋皓宇、滕德川、王宇轩、向政鹏、张杨子、郑桂东、朱海潮、朱庆福等对本书部分内容的初译做了很多工作,机械工业出版社华章公司策划编辑朱劼和姚蕾在本书的整个翻译过程中提供了许多帮助,在此一并予以衷心感谢。
译文虽经多次修改和校对,但由于译者的水平有限,加之时间仓促,疏漏及错误在所难免,我们真诚地希望读者不吝赐教,不胜感激。
车万翔
2017年10月于哈尔滨工业大学 

前言
自然语言处理(Natural Language Processing,NLP)这一术语指的是对人类语言进行自动的计算处理。它包括两类算法:将人类产生的文本作为输入;产生看上去很自然的文本作为输出。由于人类产生的文本每年都在不停增加,同时人们期望使用人类的语言与计算机进行交流,因此人们对该类算法的需求在不断增加。然而,由于人类语言固有的歧义、不断变化以及病态性(not well defined),导致自然语言处理极具挑战 基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 电子书 下载 mobi epub pdf txt
基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 pdf epub mobi txt 电子书 下载
想要找书就要到 静流书站
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

用户评价

评分

评分

评分

评分

评分

评分

评分

评分

评分

类似图书 点击查看全场最低价

基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 pdf epub mobi txt 电子书 下载


分享链接


去京东购买 去京东购买
去淘宝购买 去淘宝购买
去当当购买 去当当购买
去拼多多购买 去拼多多购买


基于深度学习的自然语言处理 计算机与互联网 书籍|7891598 bar code 下载
扫码下载










相关图书




本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

友情链接

© 2024 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有