自然語言處理理論與應用 謝美萍 陳媛 9787121504167 【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：202506*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：自然語言處理理論與應用
ISBN：9787121504167
出版社：電子工業
著編譯者：謝美萍 陳媛
頁數：256
所在地：中國大陸 *此為代購商品
書號：1745059
可大量預訂，請先連絡。

內容簡介
本書全面介紹了自然語言處理（NLP）的核心概念與技術，內容覆蓋文本預處理、文本的多種表示方法，深入探討了文本分類、聚類技術，以及信息抽取和實體識別，還涉及了機器翻譯、自動摘要、智能問答與對話系統，以及情感分析和輿情監測等高級應用。此外，對知識圖譜的構建和應用，以及損失函數與模型優化也進行了詳細闡述，為讀者提供了自然語言處理領域的系統性知識。本書適合AI、機器學習、深度學習及自然語言處理的愛好者閱讀，也可以作為高等院校的教材使用。

作者簡介
謝美萍，本科與碩士畢業于西北工業大學，博士畢業于哈爾濱工程大學，2001年至今為上海財經大學信息管理與工程學院 副教授，研究生導師，主要研究方向為數據挖掘與數據分析、非線性系統建模、機器學習。

目錄

目 錄
第1章 緒 論 1
1 1 自然語言處理的定義和發展歷程 1
1 1 1 自然語言處理的定義 2
1 1 2 自然語言處理的發展歷程 2
1 2 自然語言處理的研究內容和研究方法 5
1 2 1 自然語言處理的研究內容 5
1 2 2 自然語言處理的研究方法 8
1 3 自然語言處理的應用和前景 8
1 4 自然語言處理的開發環境 9
本章 小結 12
第2章 文本預處理 14
2 1 文本清洗和去噪 14
2 2 詞法分析 16
2 2 1 中文分詞 16
2 2 2 詞性標注 28
2 3 句法分析 31
2 3 1 句法分析的概念 32
2 3 2 句法分析樹庫及其評測方法 33
2 3 3 依存句法分析 36
2 3 4 依存句法分析工具 38
2 4 語義分析 39
2 4 1 詞義消歧 39
2 4 2 語義角色標注 42
2 4 3 語義分析面臨的挑戰 45
本章 小結 46
第3章 文本表示方法 47
3 1 One-Hot編碼 47
3 2 詞袋模型 49
3 3 TF-IDF方法 50
3 4 Word2Vec方法 53
3 4 1 連續詞袋模型 54
3 4 2 Skip-gram模型 56
3 4 3 Word2Vec的應用 57
3 5 分布式表示方法 60
3 5 1 分布式語義假設 60
3 5 2 奇異值分解 61
3 6 詞嵌入 63
本章 小結 64
第4章 文本分類和聚類 65
4 1 文本分類的概念和任務 66
4 1 1 文本分類的概念 66
4 1 2 文本分類的任務 67
4 2 文本分類算法 68
4 2 1 樸素貝葉斯算法 68
4 2 2 支持向量機 72
4 3 文本聚類的概念和任務 76
4 3 1 文本聚類的概念 76
4 3 2 文本聚類的過程 77
4 4 文本聚類算法 78
4 4 1 文本聚類中的數據類型及規範化 78
4 4 2 文本聚類中的聚類算法 81
本章 小結 86
第5章 信息抽取 87
5 1 信息抽取的概念和任務 87
5 1 1 信息抽取的相關概念 88
5 1 2 信息抽取的任務 90
5 2 信息抽取的方法和技術 93
5 2 1 基於規則的方法 93
5 2 2 有監督學習方法 101
5 2 3 無監督學習方法 106
5 2 4 半監督學習方法 109
本章 小結 114
第6章 命名實體識別 115
6 1 命名實體識別技術的發展現狀 116
6 2 命名實體識別的概念 116
6 3 實體識別模型 118
6 3 1 循環神經網絡 118
6 3 2 BI-LSTM-CRF模型 124
6 3 3 Seq2Seq模型 128
6 3 4 注意力機制 130
6 4 實體識別案例 132
本章 小結 133
第7章 機器翻譯和文本摘要 134
7 1 機器翻譯 134
7 1 1 機器翻譯概述 135
7 1 2 基於規則的機器翻譯方法 137
7 1 3 基於統計的機器翻譯方法 138
7 1 4 基於神經網絡的機器翻譯方法 141
7 1 5 機器翻譯的質量評價 147
7 2 文本摘要 149
7 2 1 抽取式摘要 149
7 2 2 抽象式摘要 151
7 2 3 文本摘要的評估 153
本章 小結 154
第8章 智能問答系統和對話系統 155
8 1 智能問答系統 155
8 1 1 智能問答系統概述 155
8 1 2 智能問答系統的主要組成部分 156
8 1 3 智能問答系統的類型 160
8 1 4 智能問答系統的評價 167
8 2 對話系統 169
8 2 1 對話系統概述 169
8 2 2 對話系統的基本過程 170
8 2 3 對話系統的類型 171
8 2 4 對話系統的評價 174
本章 小結 174
第9章 情感分析和輿情監測 176
9 1 文本情感分析簡介 176
9 1 1 文本情感分析的主要內容 177
9 1 2 文本情感分析的常見應用 179
9 2 情感分析的方法和技術 182
9 2 1 基於情感詞典的方法 183
9 2 2 基於文本分類的方法 185
9 2 3 基於LDA主題模型的方法 187
9 3 輿情監測簡介 189
9 3 1 輿情監測的主要內容 189
9 3 2 輿情監測的常見應用 192
9 4 輿情監測技術 194
9 4 1 網絡爬蟲 194
9 4 2 文本情感分析 195
9 5 電商產品情感評論數據分析案例 196
9 5 1 背景與挖掘目標 196
9 5 2 分析方法與過程 197
9 5 3 運行結果 199
本章 小結 201
第10章 知識圖譜 202
10 1 知識圖譜概述 202
10 1 1 知識圖譜的發展歷程 203
10 1 2 知識圖譜的基本概念 203
10 1 3 知識圖譜的研究內容 205
10 2 知識圖譜的表示與存儲 205
10 2 1 知識圖譜的符號表示 206
10 2 2 知識圖譜的向量表示 210
10 2 3 基於表的知識圖譜存儲 214
10 2 4 基於圖的知識圖譜存儲 219
10 3 知識圖譜的構建 220
10 3 1 數據獲取 220
10 3 2 知識抽取 220
10 3 3 知識表示 221
10 3 4 知識融合 221
10 3 5 知識建模 222
10 3 6 知識推理 222
10 3 7 知識圖譜的其他步驟 223
10 4 知識圖譜的應用 226
10 4 1 搜索引擎 226
10 4 2 問答系統 226
10 4 3 推薦系統 227
10 4 4 推理決策 227
10 4 5 智能對話 227
10 5 構建詞雲圖應用案例 228
本章 小結 229
第11章 損失函數與模型瘦身 230
11 1 損失函數 230
11 2 常用的損失函數 231
11 2 1 0-1損失函數 231
11 2 2 交叉熵損失函數 231
11 2 3 平均絕對誤差損失函數 232
11 2 4 均方誤差損失函數 232
11 2 5 Huber損失函數 233
11 2 6 分位數損失函數 233
11 2 7 Hinge損失函數 234
11 3 模型瘦身 234
11 3 1 知識蒸餾 235
11 3 2 網絡剪枝 238
本章 小結 241

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。