自然語言處理-基於機器學習視角 張岳 滕志揚 9787111742234 【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$884
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：202403*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-基於機器學習視角 ISBN：9787111742234 出版社：機械工業 著編譯者：張岳 滕志揚 叢書名：智能科學與技術叢書 頁數：446 所在地：中國大陸 *此為代購商品 書號：1624021 可大量預訂，請先連絡。 內容簡介 本書從機器學習的角度系統地介紹自然語言處理領域，包括由統計模型到深度學習模型，由生成模型到判別模型，由監督模型到無監督模型等，對於每個主題都選擇了最具代表性的概念與演算法，使得閱讀及教學過程深入淺出、通俗易懂。本書的目標讀者為計算機科學、人工智慧或相關跨學科專業的高年級本科生及研究生，自然語言處理工程師也可將本書作為理論參考書籍，讀者需要具備一定的線性代數、微積分、概率論及演算法基礎。作者簡介 張岳，西湖大學教授。主要研究領域為自然語言處理、文本挖掘及相關的機器學習方法。研究成果包括機器學習引導搜索的結構預測演算法、多任務聯合模型、文本表示和圖神經網路、自然語言處理中的常識、邏輯推理以及泛化問題，因果機制引導的自然語言處理等。擔任國內外頂級會議CCL 2020、EMNLP 2022程序委員會共同主席。擔任Transactions for ACL期刊執行編輯，以及四個Transaction期刊副主編。獲多個國際會議最佳論文獎。目錄 中文版序譯者序 前言 符號表 第一部分 基礎知識 第1章 緒論 1 1 自然語言處理的概念 1 2 自然語言處理任務 1 2 1 基礎任務 1 2 2 信息抽取任務 1 2 3 應用 1 2 4 小結 1 3 機器學習視角下的自然語言處理任務 總結 註釋 習題 參考文獻 第2章 相對頻率 2 1 概率建模 2 1 1 最大似然估計 2 1 2 詞概率建模 2 1 3 模型與概率分佈 2 2 n元語言模型 2 2 1 一元語言模型 2 2 2 二元語言模型 2 2 3 三元及高階語言模型 2 2 4 生成式模型 2 3 樸素貝葉斯文本分類器 2 3 1 樸素貝葉斯文本分類 2 3 2 文本分類器的評估 2 3 3 邊緣概率的計算 2 3 4 特徵 總結 註釋 習題 參考文獻 第3章 特徵向量 3 1 文本在向量空間中的表示 3 1 1 聚類 3 1 2 k均值聚類 3 1 3 分類 3 1 4 支持向量機 3 1 5 感知機 3 2 多分類 3 2 1 定義基於輸出的特徵 3 2 2 多分類支持向量機 3 2 3 多分類感知機 3 3 線性判別式模型 3 3 1 判別式模型及其特徵 3 3 2 線性模型的點積形式 3 4 向量空間與模型訓練 3 4 1 可分性與泛化性 3 4 2 處理非線性可分數據 總結 註釋 習題 參考文獻 第4章 判別式線性分類器 4 1 對數線性模型 4 1 1 二分類對數線性模型的訓練 4 1 2 多分類對數線性模型的訓練 4 1 3 利用對數線性模型進行分類 4 2 基於隨機梯度下降法訓練支持向量機 4 2 1 二分類支持向量機的訓練 4 2 2 多分類支持向量機的訓練 4 2 3 感知機訓練的目標函數 4 3 廣義線性模型 4 3 1 統一在線訓練 4 3 2 損失函數 4 3 3 正則化 4 4 模型融合 4 4 1 模型性能比較 4 4 2 模型集成 4 4 3 半監督學習 總結 註釋 習題 參考文獻 第5章 資訊理論觀點 5 1 最大熵原理 5 1 1 樸素最大熵模型 5 1 2 條件熵 5 1 3 最大熵模型與訓練數據 5 2 KL散度與交叉熵 5 2 1 交叉熵和最大似然估計 5 2 2 模型困惑度 5 3 互信息 5 3 1 點互信息 5 3 2 基於點互信息的文本挖掘 5 3 3 基於點互信息的特徵選取 5 3 4 詞的點互信息與向量表示 總結 註釋 習題 參考文獻 第6章 隱變數 6 1 期望最大演算法 6 1 1 k均值演算法 6 1 2 期望最大演算法介紹 6 2 基於期望最大演算法的隱變數模型 6 2 1 無監督樸素貝葉斯模型 6 2 2 IBM模型1 6 2 3 概率潛在語義分析 6 2 4 生成模型的相對優勢 6 3 期望最大演算法的理論基礎 6 3 1 期望最大與KL散度 6 3 2 基於數值優化的期望最大演算法推導 總結 註釋 習題 參考文獻 第二部分 結構研究 第7章 生成式序列標註任務 7 1 序列標註 7 2 隱馬爾可夫模型 7 2 1 隱馬爾可夫模型的訓練 7 2 2 解碼 7 3 計算邊緣概率 7 3 1 前向演算法 7 3 2 後向演算法 7 3 3 前向-後向演算法 7 3 4 二階隱馬爾可夫模型的前向-後向演算法 7 4 基於期望最大演算法的無監督隱馬爾可夫模型訓練 總結 註釋 習題 參考文獻 第8章 判別式序列標註任務 8 1 局部訓練的判別式序列標註模型 8 2 標註偏置問題 8 3 條件隨機場 8 3 1 全局特徵向量 8 3 2 解碼 8 3 3 邊緣概率計算 8 3 4 訓練 8 4 結構化感知機 8 5 結構化支持向量機 總結 註釋 習題 參考文獻 第9章 序列分割 9 1 基於序列標註的序列分割任務 9 1 1 面向分詞的序列標註特徵 9 1 2 面向句法組塊分析的序列標註特徵 9 1 3 面向命名實體識別的序列標註特徵 9 1 4 序列分割輸出的評價方式 9 2 面向序列分割的判別式模型 9 2 1 分詞中的詞級別特徵 9 2 2 基於動態規劃的精確搜索解碼 9 2 3 半馬爾可夫條件隨機場 9 2 4 最大間隔模型 9 3 結構化感知機與柱搜索 9 3 1 放寬特徵局部約束 9 3 2 柱搜索解碼 總結 註釋 習題 參考文獻 第10章 樹結構預測 10 1 生成式成分句法分析 10 1 1 概率上下文無關文法 10 1 2 CKY解碼 10 1 3 成分句法解析器的性能評估 10 1 4 邊緣概率的計算 10 2 成 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。 |
