基于深度学习的自然语言处理 pdf epub mobi txt 电子书 下载 2024
☆☆☆☆☆
简体网页||
繁体网页
Yoav Goldberg
机械工业出版社
车万翔
2018-5-1
255
69
平装
智能科学与技术丛书
9787111593737
图书标签:
自然语言处理
深度学习
NLP
DL+NLP
机器学习
人工智能
Python
研究方法
喜欢 基于深度学习的自然语言处理 的读者还喜欢
下载链接在页面底部
点击这里下载
立刻按 ctrl+D收藏本页
你会得到大惊喜!!
发表于2024-12-23
基于深度学习的自然语言处理 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024
基于深度学习的自然语言处理 epub 下载 mobi 下载 pdf 下载 txt 电子书 下载 2024
基于深度学习的自然语言处理 pdf epub mobi txt 电子书 下载 2024
图书描述
本书重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识,如何将机器学习方法应用在自然语言处理中,以及词向量表示(而不是符号表示)的应用。然后介绍更多专门的神经网络结构,包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。后,讨论树形网络、结构化预测以及多任务学习的前景。
基于深度学习的自然语言处理 下载 mobi epub pdf txt 电子书
著者简介
Yoav Goldberg现就职于以色列巴伊兰大学,是自然语言处理领域一位非常活跃的青年学者。Goldberg博士期间的主要研究方向为依存句法分析,随着深度学习的兴起,他也将研究兴趣转移至此,并成功地将该技术应用于依存句法分析等任务。与此同时,他在理论上对词嵌入和传统矩阵分解方法的对比分析也具有广泛的影响力。另外,他还是DyNet深度学习库的主要开发者之一。
图书目录
目录
前言
致谢
第1章引言
1.1自然语言处理的挑战
1.2神经网络和深度学习
1.3自然语言处理中的深度学习
1.4本书的覆盖面和组织结构
1.5本书未覆盖的内容
1.6术语
1.7数学符号
注释
部分有监督分类与前馈神经网络
第2章学习基础与线性模型
2.1有监督学习和参数化函数
2.2训练集、测试集和验证集
2.3线性模型
2.3.1二分类
2.3.2对数线性二分类
2.3.3多分类
2.4表示
2.5独热和稠密向量表示
2.6对数线性多分类
2.7训练和优化
2.7.1损失函数
2.7.2正则化
2.8基于梯度的优化
2.8.1随机梯度下降
2.8.2实例
2.8.3其他训练方法
第3章从线性模型到多层感知器
3.1线性模型的局限性:异或问题
3.2非线性输入转换
3.3核方法
3.4可训练的映射函数
第4章前馈神经网络
4.1一个关于大脑的比喻
4.2数学表示
4.3表达能力
4.4常见的非线性函数
4.5损失函数
4.6正则化与丢弃法
4.7相似和距离层
4.8嵌入层
第5章神经网络训练
5.1计算图的抽象概念
5.1.1前向计算
5.1.2反向计算(导数、反向传播)
5.1.3软件
5.1.4实现流程
5.1.5网络构成
5.2实践经验
5.2.1优化算法的选择
5.2.2初始化
5.2.3重启与集成
5.2.4梯度消失与梯度爆炸
5.2.5饱和神经元与死神经元
5.2.6随机打乱
5.2.7学习率
5.2.8minibatch
第二部分处理自然语言数据
第6章文本特征构造
6.1NLP分类问题中的拓扑结构
6.2NLP问题中的特征
6.2.1直接可观测特征
6.2.2可推断的语言学特征
6.2.3核心特征与组合特征
6.2.4n元组特征
6.2.5分布特征
第7章NLP特征的案例分析
7.1文本分类:语言识别
7.2文本分类:主题分类
7.3文本分类:作者归属
7.4上下文中的单词:词性标注
7.5上下文中的单词:命名实体识别
7.6上下文中单词的语言特征:介词词义消歧
7.7上下文中单词的关系:弧分解分析
第8章从文本特征到输入
8.1编码分类特征
8.1.1独热编码
8.1.2稠密编码(特征嵌入)
8.1.3稠密向量与独热表示
8.2组合稠密向量
8.2.1基于窗口的特征
8.2.2可变特征数目:连续词袋
8.3独热和稠密向量间的关系
8.4杂项
8.4.1距离与位置特征
8.4.2补齐、未登录词和词丢弃
8.4.3特征组合
8.4.4向量共享
8.4.5维度
8.4.6嵌入的词表
8.4.7网络的输出
8.5例子:词性标注
8.6例子:弧分解分析
第9章语言模型
9.1语言模型任务
9.2语言模型评估:困惑度
9.3语言模型的传统方法
9.3.1延伸阅读
9.3.2传统语言模型的限制
9.4神经语言模型
9.5使用语言模型进行生成
9.6副产品:词的表示
第10章预训练的词表示
10.1随机初始化
10.2有监督的特定任务的预训练
10.3无监督的预训练
10.4词嵌入算法
10.4.1分布式假设和词表示
10.4.2从神经语言模型到分布式表示
10.4.3词语联系
10.4.4其他算法
10.5上下文的选择
10.5.1窗口方法
10.5.2句子、段落或文档
10.5.3句法窗口
10.5.4多语种
10.5.5基于字符级别和子词的表示
10.6处理多字单元和字变形
10.7分布式方法的限制
第11章使用词嵌入
11.1词向量的获取
11.2词的相似度
11.3词聚类
11.4寻找相似词
11.5同中选异
11.6短文档相似度
11.7词的类比
11.8改装和映射
11.9实用性和陷阱
第12章案例分析:一种用于句子意义推理的前馈结构
12.1自然语言推理与 SNLI数据集
12.2文本相似网络
第三部分特殊的结构
第13章n元语法探测器:卷积神经网络
13.1基础卷积池化
13.1.1文本上的一维卷积
13.1.2向量池化
13.1.3变体
13.2其他选择:特征哈希
13.3层次化卷积
第14章循环神经网络:序列和栈建模
14.1RNN抽象描述
14.2RNN的训练
14.3RNN常见使用模式
14.3.1接收器
14.3.2编码器
14.3.3传感器
14.4双向RNN
14.5堆叠RNN
14.6用于表示栈的RNN
14.7文献阅读的注意事项
第15章实际的循环神经网络结构
15.1作为RNN的CBOW
15.2简单RNN
15.3门结构
15.3.1长短期记忆网络
15.3.2门限循环单元
15.4其他变体
15.5应用到RNN的丢弃机制
第16章通过循环网络建模
16.1接收器
16.1.1情感分类器
16.1.2主谓一致语法检查
16.2作为特征提取器的RNN
16.2.1词性标注
16.2.2RNNCNN文本分类
16.2.3弧分解依存句法分析
第17章条件生成
17.1RNN生成器
17.2条件生成(编码器)
17.2.1序列到序列模型
17.2.2应用
17.2.3其他条件上下文
17.3无监督的句子相似性
17.4结合注意力机制的条件生成
17.4.1计算复杂性
17.4.2可解释性
17.5自然语言处理中基于注意力机制的模型
17.5.1机器翻译
17.5.2形态屈折
17.5.3句法分析
第四部分其他主题
第18章用递归神经网络对树建模
18.1形式化定义
18.2扩展和变体
18.3递归神经网络的训练
18.4一种简单的替代——线性化树
18.5前景
第19章结构化输出预测
19.1基于搜索的结构化预测
19.1.1基于线性模型的结构化预测
19.1.2非线性结构化预测
19.1.3概率目标函数(CRF)
19.1.4近似搜索
19.1.5重排序
19.1.6参考阅读
19.2贪心结构化预测
19.3条件生成与结构化输出预测
19.4实例
19.4.1基于搜索的结构化预测:一阶依存句法分析
19.4.2基于NeuralCRF的命名实体识别
19.4.3基于柱搜索的NERCRF近似
第20章级联、多任务与半监督学习
20.1模型级联
20.2多任务学习
20.2.1多任务设置下的训练
20.2.2选择性共享
20.2.3作为多任务学习的词嵌入预训练
20.2.4条件生成中的多任务学习
20.2.5作为正则的多任务学习
20.2.6注意事项
20.3半监督学习
20.4实例
20.4.1眼动预测与句子压缩
20.4.2弧标注与句法分析
20.4.3介词词义消歧与介词翻译预测
20.4.4条件生成:多语言机器翻译、句法分析以及图像描述生成
20.5前景
第21章结论
21.1我们学到了什么
21.2未来的挑战
参考文献
· · · · · · (
收起)
基于深度学习的自然语言处理 pdf epub mobi txt 电子书 下载
用户评价
评分
☆☆☆☆☆
dl在nlp应用的综述吧。因为书挺薄的,可内容覆盖挺广,所以不能对深度有要求。是属于每一章都可以根据参考文献继续深挖的。18.12.08继续来评价一下,再细读了一下这本书,评价从4星升至5星。很多比较新的方法都有讲到(当然,受限于成书时间,像17年transformer,18年bert是没法纳入书中了),而且信息比较密集,只要认真阅读书中的内容以及相关的文献,还是有挺大的收获的。
评分
☆☆☆☆☆
作者Goldberg,NLP届的领军人物之一,书中条理清晰,内容翔实,书百分百是本好书,目前深度学习做NLP最具权威的书了。但是翻译过来还是有些生硬,作者的一些比武还没纠正。结合英文看效果更好。
评分
☆☆☆☆☆
理论综述,入门的话会看的云里雾里。
评分
☆☆☆☆☆
介绍性的。我看起来太顺滑了,里面说的我都知道,没收获什么东西啊
评分
☆☆☆☆☆
全书哈工大相关博士编写,组织结构清晰;基本属于理论类非入门书籍,不可多得的关于自然语言处理深度学习相关书籍。全书安排循序渐进:1 简单概要介绍算法模型(线性模型->多层感知器/神经网络->相关训练)2 自然语言处理(文本构造;独热编码->稠密编码;语言模型<简要略过>; 预处理词训练/词嵌入等) 3 介绍神经网络相关知识结构。
读后感
评分
☆☆☆☆☆
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 入门避坑指南 自学三年,基本无人带路,转专业的我自然是难上加难,踩过无数坑,走过很多弯路。这里我...
评分
☆☆☆☆☆
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 入门避坑指南 自学三年,基本无人带路,转专业的我自然是难上加难,踩过无数坑,走过很多弯路。这里我...
评分
☆☆☆☆☆
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 入门避坑指南 自学三年,基本无人带路,转专业的我自然是难上加难,踩过无数坑,走过很多弯路。这里我...
评分
☆☆☆☆☆
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 入门避坑指南 自学三年,基本无人带路,转专业的我自然是难上加难,踩过无数坑,走过很多弯路。这里我...
评分
☆☆☆☆☆
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 入门避坑指南 自学三年,基本无人带路,转专业的我自然是难上加难,踩过无数坑,走过很多弯路。这里我...
类似图书 点击查看全场最低价
基于深度学习的自然语言处理 pdf epub mobi txt 电子书 下载 2024