自然語言處理實戰-算法卷 陳繼生 9787113312114 【台灣高等教育出版社】

目錄 第1章 人工智慧與自然語言處理基礎
1 1 人工智慧
1 1 1 人工智慧的發展歷程
1 1 2 人工智慧的研究領域
1 2 機器學習和深度學習
1 2 1 機器學習
1 2 2 深度學習
1 2 3 機器學習和深度學習的區別
1 3 什麼是自然語言處理
1 4 自然語言處理的挑戰與機遇
1 4 1 挑戰
1 4 2 機遇
第2章 文本預處理演算法
2 1 分詞
2 1 1 分詞的重要性和基本原理
2 1 2 基於空格的分詞
2 1 3 基於標點符號的分詞
2 2 詞幹化與詞形還原
2 2 1 詞幹化與詞形還原的區別
2 2 2 詞幹化演算法
2 2 3 詞形還原演算法
2 3 去除停用詞
2 3 1 什麼是停用詞
2 3 2 基於詞彙列表的停用詞去除
2 3 3 基於詞頻的停用詞去除
2 3 4 使用TF-IDF演算法去除停用詞
2 3 5 利用機器學習方法去除停用詞
2 4 數據清洗和處理
2 4 1 處理缺失值
2 4 2 異常值檢測與處理
2 4 3 處理重複數據
第3章 特徵提取
3 1 特徵的類型
3 2 特徵選擇
3 2 1 特徵選擇的必要性
3 2 2 特徵選擇的方法
3 3 特徵抽取
3 3 1 特徵抽取的概念
3 3 2 主成分分析
3 3 3 獨立成分分析
3 3 4 自動編碼器
3 4 嵌入
3 4 1 嵌入的重要應用場景
3 4 2 PyTorch嵌入層的特徵提取
3 4 3 TensorFlow嵌入層的特徵提取
3 4 4 Word2Vec模型
3 4 5 GloVe模型
3 5 詞袋模型
3 5 1 詞袋模型的實現步驟與具體示例
3 5 2 詞袋模型的限制與改進
3 6 TF-IDF
3 6 1 TF-IDF關鍵概念與計算方式
3 6 2 使用TF-IDF提取文本特徵
第4章 文本分類與情感分析演算法
4 1 樸素貝葉斯分類器
4 1 1 樸素貝葉斯分類器的基本原理與應用場景示例
4 1 2 應用場景示例：垃圾郵件過濾
4 2 支持向量機
4 2 1 支持向量機的核心思想和主要原理
4 2 2 線性SVM與非線性SVM
4 3 隨機森林演算法
4 3 1 隨機森林演算法的主要原理和應用場景
4 3 2 隨機森林演算法應用：垃圾郵件分類器
4 4 卷積神經網路
4 4 1 卷積神經網路的發展背景
4 4 2 卷積神經網路的結構
4 4 3 卷積神經網路實戰案例
4 5 循環神經網路
4 5 1 循環神經網路介紹
4 5 2 文本分類
4 5 3 循環神經網路實戰案例1：使用PyTorch開發歌詞生成器模型
4 5 4 循環神經網路實戰案例2：使用TensorFlow製作情感分析模型
4 6 遞歸神經網路
4 6 1 遞歸神經網路介紹
4 6 2 RvNN
第5章 語言生成演算法
5 1 基於規則的生成演算法
5 1 1 基於規則的生成演算法的優缺點
5 1 2 基於規則的生成演算法在自然語言處理中的應用場景
5 2 基於統計的生成演算法
5 2 1 基於統計的生成演算法介紹
5 2 2 常見基於統計的生成模型
5 2 3 N-gram模型
5 2 4 隱馬爾可夫模型
5 2 5 最大熵模型
5 3 基於神經網路的生成模型
5 3 1 常見的基於神經網路的生成模型
5 3 2 神經網路生成的基本原理
5 3 3 生成對抗網路
5 4 注意力機制
5 4 1 注意力機制介紹
5 4 2 注意力機制的變體
5 4 3 注意力機制解決什麼問題
5 5 序列到序列模型
5 5 1 Seq2Seq模型介紹
5 5 2 Seq2Seq編碼器-解碼器結構
5 5 3 使用Seq2Seq模型實現翻譯系統
第6章 語義分析與理解演算法
6 1 詞義表示
6 2 語義相似度計算
6 2 1 語義相似度的重要性
6 2 2 詞彙語義相似度計算方法
6 2 3 文本語義相似度計算方法
6 3 命名實體識別
6 3 1 命名實體識別介紹
6 3 2 基於規則的NER方法
6 3 3 基於機器學習的NER方法
6 4 語義角色標註
6 4 1 語義角色標註介紹
6 4 2 基於深度學習的SRL方法
6 5 依存分析
6 5 1 依存分析介紹
6 5 2 依存分析的基本步驟
6 5 3 依存分析的方法
6 5 4 依存分析在自然語言處理中的應用
6 6 語法樹生成
6 6 1 語法樹介紹
6 6 2 語法樹生成的基本原理
6 6 3 生成語法樹的方法
6 6 4 基於上下文無關文法的語法樹生成
6 7 知識圖譜與圖數據分析
6 7 1 知識圖譜的特點
6 7 2 知識圖譜的構建方法
6 7 3 圖數據分析的基本原理
6 7 4 圖數據分析的應用場景
第7章 機器翻譯演算法
7 1 常見的機器翻譯演算法
7 2 統計機器翻譯
7 2 1 統計機器翻譯的實現步驟
7 2 2 常見的SMT模型
7 2 3 SMT的訓練和解碼
7 3 神經機器翻譯
7 3 1 NMT模型的一般工作流程
7 3 2 NMT的應用領域
7 3 3 NMT的訓練和解碼
7 3 4 基於NMT的簡易翻譯系統
7 4 跨語言情感分析
7 4 1 跨語言情感分析介紹
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。