自然語言處理原理與應用 劉剛 9787030764225 【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：科學
物品所在地：中國大陸
原出版社：科學
NT$375
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
| *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：202310*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：自然語言處理原理與應用 ISBN：9787030764225 出版社：科學 著編譯者：劉剛 頁數：268 所在地：中國大陸 *此為代購商品 書號：1581444 可大量預訂，請先連絡。 內容簡介 自然語言處理是一門集語言學、計算機科學、數學於一體的科學，它包含很廣泛的內容，根據其應用目的不同，所採用的技術手段也不盡相同。 本書從數理基礎到模型介紹，再到生活應用，從不同的層次，由淺入深、循序漸進地展示一個完整的自然語言處理學習體系。 本書分兩部分。第一部分為理論基礎，其中第1∼4章對什麼是自然語言處理、當前主流的自然語言處理技術，以及目前自然語言處理遇到的困境進行介紹；第5、6章從數學基礎、語言模型，以及詞法分析、語義分析等方面介紹自然語言處理的底層邏輯和模型原理。第二部分為實踐應用，第7∼11章介紹自然語言處理在生活中的應用。 本書實用性強、案例貼近生活，每章配有習題及其答案，讀者可以掃描二維碼查看習題答案。 本書可作為「自然語言處理」課程的本科生教材，也可作為「人工智慧」「文本挖掘」「語料庫語言學」課程的輔導書，還可作為自然語言處理領域的入門書籍。目錄 第一部分 理論基礎第1章 緒論 1 1 基本概念 1 2 自然語言處理的產生與發展 1 3 基本問題和主要困難 1 3 1 自然語言處理的基本問題 1 3 2 自然語言處理面對的主要困難 1 4 深度學習在自然語言處理中的應用 1 4 1 深度學習概述 1 4 2 面向自然語言處理的深度學習方法 1 4 3 目前深度學習應用存在的局限及展望 1 5 本章小結 習題1 第2章 數學基礎 2 1 概率論基礎 2 1 1 樣本空間和概率 2 1 2 隨機變數 2 1 3 條件概率公式、全概率公式和貝葉斯公式 2 1 4 期望和方差 2 2 資訊理論基礎 2 2 1 自信息和熵 2 2 2 聯合熵和條件熵 2 2 3 互信息、相對熵和交叉熵 2 2 4 困惑度 2 2 5 雜訊通道模型 2 3 深度學習的數學基礎 2 3 1 最大似然估計 2 3 2 梯度分析 2 3 3 梯度下降法 2 3 4 梯度消失和梯度爆炸 2 4 本章小結 習題2 第3章 語言模型 3 1 語言模型概念及基礎理論 3 1 1 n元語法模型 3 1 2 神經概率語言模型 3 1 3 預訓練語言模型 3 2 語言模型性能評價 3 2 1 基於信息熵的語言模型複雜度度量 3 2 2 基於困惑度的語言模型複雜度度量 3 2 3 基於語言模型的漢語信息熵估算 3 3 數據平滑 3 3 1 問題的提出 3 3 2 加法平滑方法 3 3 3 Good-Turing估計法 3 3 4 Katz平滑方法 3 3 5 Jelinek-Mercer平滑方法 3 3 6 Witten-Bell平滑方法 3 3 7 絕對減值法 3 4 神經網路語言模型 3 4 1 基礎模型 3 4 2 CNN模型 3 4 3 RNN模型及其變體 3 4 4 Attention模型 3 4 5 Transformer模型 3 5 語言模型應用舉例 3 5 1 BERT模型 3 5 2 短文本表示 3 5 3 Softmax回歸模型 3 6 本章小結 習題3 第4章 隱馬爾可夫模型與條件隨機場 4 1 馬爾可夫模型 4 1 1 馬爾可夫過程 4 1 2 馬爾可夫性 4 2 隱馬爾可夫模型 4 2 1 隱馬爾可夫模型的基本理論 4 2 2 估計問題 4 2 3 序列問題 4 2 4 參數估計問題 4 3 HMM應用舉例 4 3 1 中文分詞 4 3 2 詞性標註 4 4 條件隨機場及其應用 4 4 1 條件隨機場概念 4 4 2 條件隨機場應用 4 5 本章小結 習題4 第5章 詞法分析與詞性標註 5 1 漢語自動分詞 5 1 1 分詞規範問題 5 1 2 歧義切分問題 5 1 3 未登錄詞問題 5 1 4 漢語自動分詞的原則 5 1 5 分詞與詞性標註結果評估方法 5 2 自動分詞基本演算法 5 2 1 最大匹配法 5 2 2 最短路徑方法 5 2 3 基於HMM的分詞方法 5 2 4 基於Bi-LSTM-CRF的分詞方法 5 3 未登錄詞識別 5 3 1 概述 5 3 2 基於決策樹的未登錄詞識別方法 5 3 3 基於統計和規則的未登錄詞識別方法 5 4 詞性標註方法 5 4 1 概述 5 4 2 基於規則的詞性標註方法 5 4 3 基於統計的詞性標註方法 5 4 4 基於深度學習的詞性標註方法 5 5 本章小結 習題5 第6章 語義分析 6 1 語義網路 6 1 1 基本概念 6 1 2 語義標註 6 2 概念依存 6 3 詞義消歧 6 3 1 基本內容 6 3 2 理論方法 6 3 3 案例分析 6 4 詞向量表示與詞嵌入 6 4 1 基本內容 6 4 2 理論方法 6 4 3 案例分析 6 5 語義分析在華為畢昇編譯器AI調優中的應用 6 5 1 基本內容 6 5 2 理論方法 6 6 本章小結 習題6 第二部分 實踐應用 第7章 機器翻譯 7 1 機器翻譯概述 7 1 1 機器翻譯方法概述 7 1 2 機器翻譯的研究現狀 7 2 統計機器翻譯 7 2 1 基於詞的機器翻譯 7 2 2 基於短語的機器翻譯 7 2 3 基於句子的機器翻譯 7 3 神經機器翻譯 7 3 1 神經機器翻譯概述 7 3 2 神經機器翻譯模型 7 4 實戰GRU翻譯模型 7 4 1 基礎知識與環境配置 7 4 2 代碼實現 7 5 本章小結 習題7 第8章 文本分類、聚類和情感分析 8 1 文本分類 8 1 1 文本分類的定義 8 1 2 文本分類的發展 8 1 3 傳統文本分類的實現 8 1 4 基於深度學習的分類器設計 8 2 文本聚類 8 2 1 基於分層的文本聚類 8 2 2 基於劃分的文本聚類 8 3 情感分析 8 3 1 基於情感詞典的情感分析 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。 |
