語義解析-自然語言生成SQL與知識圖譜問答實戰 易顯維 甯星星 9787111736899 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *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，以到貨標的為實際資訊。 印行年月：202311*若逾兩年請先於私訊洽詢存貨情況，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：語義解析-自然語言生成SQL與知識圖譜問答實戰 ISBN：9787111736899 出版社：機械工業 著編譯者：易顯維 甯星星 頁數：205 所在地：中國大陸 *此為代購商品 書號：1596280 可大量預訂，請先連絡。 內容簡介 如何保證大模型輸出內容的可靠性？ 如何建立自然語言和形式邏輯之間的映射？ 如何在工業級應用中將自然語言查詢自動轉換為SQL語言？ 如何由淺入深地實現一個知識圖譜問答系統？ 如何使用預訓練技術提高模型語義理解的能力？ 如何通過數據增強的方法提升語義解析的效果？ 在實際產品中如何應用語義解析技術？ 以上所有問題都能在本書中找到答案！ 語義解析技術能解決大模型無法保證輸出的形式語言可靠性和輸出答案真實性的問題。本書由語義解析大賽獲獎者撰寫，通過本書的學習，讀者可以了解NLP的相關技術，掌握自然語言生成SQL和知識圖譜問答的實現方法。 本書從邏輯上分為三部分。 第一部分（第1章）：從具體的語義解析問題入手，引出了各種主流技術，討論了不同技術方案的對比和實現路徑，並比較了不同數據集和技術路線的實驗效果。 第二部分（第2∼6章）：詳細講解了5種語義解析技術路線，即基於機器翻譯、模板填充、強化學習、GNN、中間表達的技術原理與實現示例。 第三部分（第7∼11章）：講解了如何從零開始構建一個語義解析系統，並針對NL2SQL和知識圖譜問答的不同應用場景提供實踐方案。同時，闡述了在產品中落地語義解析技術可能遇到的問題和應對技巧。作者簡介 易顯維，碩士畢業於中國地質大學，曾任職中國建設銀行、科大訊飛研究院、百分點認知智能實驗室。10餘年演算法研發經驗，在涉及機器學習技術的各個方向均有產品落地實踐經驗，並長期為武漢各企業的演算法研發工作提供諮詢與支持。主要研究方向為語義解析、機器視覺、組合導航，在國內外演算法競賽中累計獲獎20餘次。目錄 前言第1章 NL2SQL和KBQA中的語義解析技術 1 1 人機交互應用與語義解析難點分析 1 2 主流的語義解析技術 1 2 1 NL2SQL任務及方法 1 2 2 KBQA任務及方法 1 2 3 語義解析技術方案對比 1 3 語義解析的預訓練模型和數據集 1 3 1 語義解析中的預訓練模型 1 3 2 NL2SQL數據集 1 3 3 KBQA數據集 1 4 本章小結 第2章 基於機器翻譯的語義解析技術 2 1 機器翻譯原理淺析 2 1 1 常見機器翻譯技術路線 2 1 2 神經網路機器翻譯基本框架 2 2 NL2SQL翻譯框架的構建 2 2 1 Seq2Seq模型原理 2 2 2 將Seq2Seq模型應用於NL2SQL 2 3 從序列到集合：SQLNet模型的解決方案 2 3 1 序列到集合 2 3 2 列名注意力 2 3 3 SQLNet模型預測及其訓練細節 2 4 T5預訓練模型在NL2SQL中的應用 2 4 1 T5模型簡介 2 4 2 T5模型架構 2 4 3 T5模型訓練方式 2 4 4 T5模型在NL2SQL中的應用 2 5 NL2SQL的T5模型實踐 2 6 本章小結 第3章 基於模板填充的語義解析技術 3 1 意圖識別和槽位填充 3 1 1 意圖識別和槽位填充的步驟 3 1 2 如何進行意圖識別和槽位填充 3 2 基於X-SQL的模板定義與子任務分解 3 3 本章小結 第4章 基於強化學習的語義解析技術 4 1 Seq2Seq中的強化學習知識 4 2 SCST模型 4 2 1 SCST模型簡介 4 2 2 SCST模型框架 4 2 3 SCST代碼實現 4 3 MAPO模型 4 3 1 MAPO模型簡介 4 3 2 MAPO代碼實現 4 4 本章小結 第5章 基於GNN的語義解析技術 5 1 使用GNN對資料庫模式進行編碼 5 1 1 匹配可能模式項的集合 5 1 2 GNN編碼表示 5 2 關注模式的Global GNN 5 2 1 Global GNN的改進 5 2 2 Gating GCN模塊詳解 5 2 3 Re-ranking GCN模塊詳解 5 3 關注模式鏈接的RATSQL 5 3 1 Relation-Aware Self-Attention模型 5 3 2 考慮更複雜的連接關係 5 3 3 模式鏈接的具體實現 5 4 關注模式鏈接拓撲結構的LGESQL 5 4 1 LGESQL模型簡介 5 4 2 LGESQL模型框架 5 5 本章小結 第6章基 于中間表達的語義解析技術 6 1 中間表達：IRNet 6 2 引入中間表達層SemQL 6 3 IRNet代碼精析 6 3 1 模式鏈接代碼實現 6 3 2 SemQL的生成 6 3 3 SQL語句的生成 6 4 本章小結 第7章 面向無嵌套簡單SQL查詢的原型系統構建 7 1 語義匹配解決思路 7 2 任務簡介 7 3 任務解析 7 3 1 列名解析 7 3 2 輸入整合 7 3 3 輸齣子任務解析 7 3 4 模型整體架構 7 4 代碼示例 7 4 1 QueryTokenizer類的構造 7 4 2 SqlLabelEncoder類的構造 7 4 3 生成批量數據 7 4 4 模型搭建 7 4 5 模型訓練和預測 7 5 本章小結 第8章 面向複雜嵌套SQL查詢的原型系統構建 8 1 複雜嵌套SQL查詢的難點剖析 8 1 1 複雜嵌套SQL語句 8 1 2 難點與對策分析 8 2 型模型解析 8 2 1 構建複雜SQL語句的中間表達形式 8 2 2 型模型的搭建與訓練 8 3 列模型解析 8 3 1 嵌套信息的編碼設計 8 3 2 列模型的搭建與訓練 8 4 值模型解析 8 4 1 值與列的關係解析 8 4 2 值模型的搭建與訓練 8 5 完整系統演示 8 5 1 解碼器 8 5 2 完整流程演示 8 6 本章小結 第9章 面向SPARQL的原型系統構建 9 1 T5、BART、UniLM模型簡介 9 2 T5、BART、UniLM方案 9 3 T5、BART、UniLM生成SPARQL語句實現 9 4 T5、BART、UniLM模型結果合併 9 5 路徑排序 9 6 SPARQL語句修正和再次排序 9 7 本章小結 第10章 預訓練優化 10 1 預訓練技術的發展 10 1 1 掩碼語言建模 10 1 2 去噪自動編碼器 10 2 定製預訓練模型：TaBERT 10 2 1 信息的聯合表示 10 2 2 預訓練任務設計 10 3 TAPAS 10 3 1 附加Embedding編碼表結構 10 3 2 預訓練任務設計 10 4 GRAPPA 10 4 1 表格數據增強：解決數據稀疏難題 10 4 2 預訓練任務設計 10 5 本章小結 第11章 語義解析技術落地思考 11 1 研究與落地的差別 11 2 產品視角的考慮 11 3 潛在的落地場景 11 4 實踐技巧 11 4 1 數據增強在NLP領域的應用 11 4 2 數據增強策略 11 4 3 方案創新點 11 5 本章小結 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
