TensorFlow 2高級自然語言處理實戰 阿希什.班薩爾 9787512443167 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202501*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：TensorFlow 2高級自然語言處理實戰
ISBN：9787512443167
出版社：北京航空航天大學
著編譯者：阿希什.班薩爾
頁數：286
所在地：中國大陸 *此為代購商品
書號：1732021
可大量預訂，請先連絡。

內容簡介

本書重點介紹自然語言處理、語言生成和對話系統領域的前沿應用。它涵蓋了使用標記化、詞性（POS）標記等技術預處理文本的概念，以及使用流行庫（如Stanford NLP和spaCy）進行詞性還原。本書涵蓋了一些關鍵的新興領域，例如生成用於句子完成和文本摘要的文本，通過生成圖像標題連接圖像和文本的多模式網絡，以及管理聊天機器人的對話等方面。同時還涵蓋了自然語言處理最新的技術——遷移學習和微調。

目錄

第1章 自然語言處理的要點
1 1 典型的文本處理工作流程
1 2 數據的收集與標記
1 2 1 收集標記的數據
1 2 2 在Google Colab上啟用GPU
1 3 文本規範化
1 3 1 對規範化后的數據進行建模
1 3 2 令牌化
1 3 3 停止詞刪除
1 3 4 詞性標註
1 3 5 詞幹提取與詞形還原
1 4 矢量化文本
1 4 1 基於計數的矢量化
1 4 2 詞頻-逆文檔頻率
1 4 3 詞向量
1 5 總結
第2章 通過BiLSTM理解自然語言中的情感
2 1 自然語言理解
2 2 雙向長短時記憶
2 2 1 RNN構建塊
2 2 2 長短時記憶網絡
2 2 3 門控循環單元
2 2 4 基於LSTM的情感分類
2 3 總結
第3章 基於BiLSTMs，CRFs和維特比解碼的命名實體識別
3 1 命名實體識別
3 2 載入數據
3 3 規範化、矢量化數據
3 4 BiLSTM模型
3 5 條件隨機場
3 6 基於BiLSTM和CRF的命名實體識別
3 6 1 實現自定義CRF層、損耗和模型
3 6 2 實施自定義訓練
3 7 維特比解碼（Viterbi decoding）
3 8 總結
第4章 基於BERT的遷移學習
4 1 遷移學習概述
4 2 基於GloVe嵌入的IMDb情感分析
4 2 1 GloVe嵌入（GloVe embeddings）
4 2 2 載入IMDb訓練數據
4 2 3 載入與訓練GloVe嵌入
4 2 4 使用GloVe創建與訓練嵌入矩陣
4 2 5 特徵提取模型
4 2 6 微調模型
4 3 基於BERT的遷移學習
4 3 1 編碼器-解碼器網絡
4 3 2 注意力模型
4 3 3 Transformer模型
4 3 4 BERT模型
4 4 總結
第5章 利用RNN和GPT-2生成文本
5 1 生成文本——一次一個字元
5 1 1 數據載入和預處理
5 1 2 數據規範化和令牌化
5 1 3 模型訓練
5 1 4 實現自定義回調的學習速率衰減
5 1 5 用貪婪搜索生成文本
5 2 生成預訓練（GPT-2）模型
5 3 總結
第6章 基於seq2seq Attention和Transformer Networks的文本總結
6 1 文本總結概述
6 2 數據載入與預處理
6 3 數據令牌化及矢量化
6 4 基於注意力的seq2seq模型
6 4 1 編碼器模型
6 4 2 Bahdanau注意力層
6 4 3 解碼器模型
6 5 訓練模型
6 6 生成總結
6 6 1 貪婪搜索
6 6 2 波束搜索
6 6 3 使用波束搜索解碼懲罰
6 7 評估總結
6 8 ROUGE度量評估
6 9 總結文本——最新技術
6 10 總結
第7章 基於ResNets和Transformer Networks的多模式網絡和圖像字幕
7 1 多模態深度學習
7 2 圖像字幕
7 3 用於圖像字幕的MS-COCO數據集
7 4 用CNNs和ResNet50進行圖像處理
7 5 用ResNet50提取圖像特徵
7 6 Transformer模型
7 6 1 位置編碼和掩碼
7 6 2 縮放點積與多頭注意力
7 6 3 視覺編碼器
7 6 4 解碼器
7 6 5 Transformer的組成
7 7 用VisualEncoder訓練Transformer模型
7 7 1 載入訓練數據
7 7 2 實例化Transformer模型
7 7 3 自定義學習速率計劃
7 7 4 損失和度量
7 7 5 檢查點和掩碼
7 7 6 自定義訓練
7 8 生成字幕
7 9 提高模型的性能以及目前最先進的模型
7 10 總結
第8章 基於Snorkel分類的弱監督學習
8 1 弱監督
8 2 使用弱監督標記改進IMDb情感分析
8 2 1 預處理IMDb數據集
8 2 2 學習子詞分詞器
8 2 3 BiLSTM基線模型
8 3 帶Snorkel的弱監督標記
8 4 查找關鍵字的Naive-Bayes模型
8 4 1 訓練集上弱監督標記的評價
8 4 2 為未標記數據生成無監督標記
8 4 3 基於來自Snorkel的弱監督數據訓練BiLSTM
8 5 總結
第9章 通過深度學習構建聊天AI應用程序
9 1 會話智能體概述
9 2 問答和MRC會話智能體
9 3 一般會話智能體
9 4 總結
9 5 結語
第10章 代碼的安裝和設置說明

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。