情感分析進階 林政 劉正宵 李江楠 著 9787111726401 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：情感分析進階
ISBN：9787111726401
出版社：機械工業
著編譯者：林政 劉正宵 李江楠 著
叢書名：人工智能技術叢書
頁數：210
所在地：中國大陸 *此為代購商品
書號：1534274
可大量預訂，請先連絡。

內容簡介

本書系統地介紹了高級文本情感分析的核心技術與應用實踐。本書包括五個部分：第一部分介紹文本情感分析的研究背景、研究現狀和基礎技術；第二部分從內容語義理解的角度出發，介紹基於隱式表達的諷刺檢測技術；第三部分從用戶個性化建模的角度出發，介紹多輪對話中的情緒分析技術；第四部分介紹小樣本場景下的立場檢測解決方案；第五部分介紹對抗攻擊場景下的情感分類防禦技術。

作者簡介

林政，中國科學院信息工程研究所研究員、博士生導師，中國科學院信息工程研究所第三研究室IIE-NLP小組負責人。主要研究領域是自然語言處理、網路內容安全，具體包括情感/情緒分析、機器閱讀理解、神經網絡模型壓縮等研究任務。在2018、2019年連續獲得兩屆全國「軍事智能-機器閱讀」挑戰賽冠軍。2020年在常識推理閱讀國際比賽排行榜上取得了三個任務的首名。近幾年在TASLP、ACL、EMNLP、AAAI、IJCAI、WWW、CIKM、WSDM、ICMR等國內外頂級學術會議和期刊上發表論文50篇，入選科技部F5000優秀論文，獲得國家自然科學基金青年項目、面上項目、國家重點研發計劃等多個項目資助。

目錄

前言
第一部分
第1章 概述
1 1 文本情感分析相關概念
1 2 文本情感分析方法
1 2 1 基於知識庫的方法
1 2 2 基於機器學習的方法
1 2 3 基於深度學習的方法
1 3 情感分析的應用
1 3 1 商業領域
1 3 2 文化領域
1 3 3 社會管理
1 3 4 信息預測
1 3 5 情緒管理
1 3 6 智能客服
1 4 情感分析面臨的困難
1 5 機遇和挑戰
1 6 本章小結
第2章 文本情感分析基礎
2 1 有監督學習
2 2 無監督學習
2 3 半監督學習
2 4 詞向量
2 4 1 詞向量表示的演化過程
2 4 2 詞嵌入方法
2 5 卷積神經網絡
2 5 1 卷積層
2 5 2 激活函數層
2 5 3 池化層
2 5 4 全連接層
2 6 循環神經網絡
2 7 記憶網路
2 8 預訓練模型
2 8 1 模型結構
2 8 2 預訓練任務
2 9 本章小結
第二部分
第3章 基於文本片段不一致性的諷刺檢測模型
3 1 任務與術語
3 2 片段不一致性
3 3 自注意力機制
3 4 模型框架
3 4 1 總體框架
3 4 2 輸入模塊
3 4 3 卷積模塊
3 4 4 重要性權重模塊
3 4 5 注意力機制模塊
3 4 6 輸出模塊
3 4 7 訓練目標
3 5 實驗設計和結果分析
3 5 1 數據集介紹
3 5 2 實驗環境和設置
3 5 3 基線模型
3 5 4 對比實驗結果
3 5 5 消融實驗結果
3 5 6 模型分析
3 6 應用實踐
3 7 本章小結
第4章 基於常識知識的諷刺檢測
4 1 任務與術語
4 2 常識知識資源
4 3 知識生成方法
4 4 知識選擇方法
4 5 知識融合方法
4 6 模型框架
4 7 實驗設計和結果分析
4 7 1 數據集介紹
4 7 2 實驗環境和設置
4 7 3 基線模型
4 7 4 對比實驗結果
4 7 5 消融實驗結果
4 7 6 模型分析
4 8 應用實踐
4 9 本章小結
第5章 基於多模態數據的諷刺檢測
5 1 任務與術語
5 2 模態內注意力
5 3 模態間注意力
5 4 模型框架
5 5 實驗設計和結果分析
5 5 1 數據集介紹
5 5 2 實驗環境和設置
5 5 3 基線模型
5 5 4 對比實驗結果
5 5 5 消融實驗結果
5 5 6 模型分析
5 6 應用實踐
5 7 本章小結
第三部分
第6章 基於用戶建模的對話情緒分析
6 1 任務與術語
6 2 層級Transformer和Mask機制
6 3 自己-自己關係建模
6 4 自己-其他關係建模
6 5 用戶關係權重選擇
6 6 模型框架
6 7 應用實踐
6 7 1 常用數據集
6 7 2 其他對話用戶關係建模模型
6 7 3 實驗結果
6 8 本章小結
第7章 基於過去、現在和未來的對話情緒分析
7 1 任務與術語
7 2 常識知識庫
7 2 1 ATOMIC常識知識庫
7 2 2 COMET知識生成模型
7 2 3 COMETATOMIC2020知識生成模型
7 3 圖神經網絡
7 4 基於知識的情緒預測
7 4 1 知識增強的Transformer
7 4 2 COSMIC情緒預測模型
7 5 對話上下文交互圖構建
7 6 模型框架
7 7 應用實踐
7 8 本章小結
第8章 基於平衡特徵空間的不平衡情緒分析
8 1 情緒分析中的不平衡問題
8 2 基於重採樣的平衡策略
8 3 基於重權重化的平衡策略
8 3 1 類別平衡損失函數
8 3 2 標籤分佈感知的間隔損失函數
8 4 基於數據增強的平衡策略
8 4 1 計算機視覺中的基於數據增強的平衡策略
8 4 2 自然語言處理中的數據增強方法
8 5 Focal損失函數
8 6 自我調整的Dice損失函數
8 7 中心損失函數
8 8 三元組中心損失函數
8 9 最大馬氏分佈中心
8 10 特徵空間平衡損失函數
8 11 應用實踐
8 11 1 代碼實現
8 11 2 實驗性能
8 12 本章小結
第四部分
第9章 基於語義-情緒知識的跨目標立場檢測
9 1 任務描述
9 2 立場檢測基礎模型
9 3 語義知識和情緒知識
9 4 模型框架
9 5 語義-情緒圖建模
9 6 知識增強的BiLSTM網路
9 7 立場檢測分類器
9 8 模型應用
9 8 1 實驗說明
9 8 2 實驗結果與分析
9 9 本章小結
第10章 基於元學習的跨領域立場檢測
10 1 元學習概念
10 2 有監督元學習
10 2 1 基於度量的元學習方法
10 2 2 基於模型的元學習方法
10 2 3 基於優化的元學習方法
10 3 MAML演算法
10 4 基於元學習的立場檢測模型
10 5 應
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。