
开本:16开 |
纸张:胶版纸 |
包装:平装-胶订 |
是否套装:否 |
国际标准书号ISBN:9787302681526 |
所属分类:图书>计算机/网络>硬件外部设备维修 |
商品详情内容简介
《深入理解自然语言处理:从深度学习到大模型应用》从自然语言处理()的任务视角分门别类地介绍深度学习与大模型在现阶段各任务中的应用。以任务视角是指以一个个场景项目为视角,这样可以让读者获得更多的实战经验。《深入理解自然语言处理:从深度学习到大模型应用》的每章都有核心模型的先验链条,这对读者理解和掌握模型非常有帮助。 《深入理解自然语言处理:从深度学习到大模型应用》分为章,对应种任务。第章介绍分词和词性标注任务。第章介绍文本分类任务,如情感分析、文章分类与打标签等。第章介绍命名实体识别任务,如提取内容中的姓名和公司名等,在知识图谱、内容结构化和智能对话等场景中也有该类任务的具体应用。第章介绍神经机器翻译任务,该类任务是商用的独立场景。第章介绍文本纠错任务,该类任务的应用非常广泛,涉及用户输入的场景一般需要用到纠错任务,否则用户体验会很差。第章介绍机器阅读理解任务,该类任务偏学术,在实践中往往属于某个大任务下的子任务。第章介绍句法分析任务,该类任务比较传统,基于深度学习的应用场景还不多。第章介绍文本摘要任务,该类任务在新闻类业务场景中应用较多。第章介绍信息检索和问答系统任务,凡是类似搜索和输入类需要等待回复的场景都会用到该类任务。 《深入理解自然语言处理:从深度学习到大模型应用》内容丰富,讲解深入浅出,适合有一定机器学习基础的入门和进阶人员阅读,也适合领域的从业人员作为解决具体业务问题的参考书,还适合高等院校人工智能等相关专业作为教材。
目 录
第章 分词和词性标注
第章 分词和词性标注
为什么要学习分词
分词的传统算法
正向优选匹配
权
反向优选匹配
最短路径
分词工具的实现流程
深度学习在分词中的应用
模型
基于词向量的分词
简易融合语料分词
分词的多标准集成学习
分词的多标准融合学习
分词的多标准融合学习
为什么要学习已经过时的模型
之后的中文分词还有必要用吗
如何他词性无注
大模型时代的分词和词性标注
小结
第章 文本分类
文本分类的应用
文本分类的词向量方法
模型
模型
模型
显示全部信息
作者简介
宋文峰, 毕业于中山大学,获计算机硕士学位。先后担任百度、联想和趣头条等互联网大厂的算法团队负责人。熟悉自然语言处理的相关算法和模型,有多年的算法开发、推荐系统开发和自然语言处理项目经验。业余时间兼职自然语言处理讲师,从事相关课程的讲授工作,积累了丰富的经验。
《深入理解自然语言处理:从深度学习到大模型应用》从自然语言处理()的任务视角分门别类地介绍深度学习与大模型在现阶段各任务中的应用。以任务视角是指以一个个场景项目为视角,这样可以让读者获得更多的实战经验。《深入理解自然语言处理:从深度学习到大模型应用》的每章都有核心模型的先验链条,这对读者理解和掌握模型非常有帮助。 《深入理解自然语言处理:从深度学习到大模型应用》分为章,对应种任务。第章介绍分词和词性标注任务。第章介绍文本分类任务,如情感分析、文章分类与打标签等。第章介绍命名实体识别任务,如提取内容中的姓名和公司名等,在知识图谱、内容结构化和智能对话等场景中也有该类任务的具体应用。第章介绍神经机器翻译任务,该类任务是商用的独立场景。第章介绍文本纠错任务,该类任务的应用非常广泛,涉及用户输入的场景一般需要用到纠错任务,否则用户体验会很差。第章介绍机器阅读理解任务,该类任务偏学术,在实践中往往属于某个大任务下的子任务。第章介绍句法分析任务,该类任务比较传统,基于深度学习的应用场景还不多。第章介绍文本摘要任务,该类任务在新闻类业务场景中应用较多。第章介绍信息检索和问答系统任务,凡是类似搜索和输入类需要等待回复的场景都会用到该类任务。 《深入理解自然语言处理:从深度学习到大模型应用》内容丰富,讲解深入浅出,适合有一定机器学习基础的入门和进阶人员阅读,也适合领域的从业人员作为解决具体业务问题的参考书,还适合高等院校人工智能等相关专业作为教材。
目 录
第章 分词和词性标注
第章 分词和词性标注
为什么要学习分词
分词的传统算法
正向优选匹配
权
反向优选匹配
最短路径
分词工具的实现流程
深度学习在分词中的应用
模型
基于词向量的分词
简易融合语料分词
分词的多标准集成学习
分词的多标准融合学习
分词的多标准融合学习
为什么要学习已经过时的模型
之后的中文分词还有必要用吗
如何他词性无注
大模型时代的分词和词性标注
小结
第章 文本分类
文本分类的应用
文本分类的词向量方法
模型
模型
模型
显示全部信息
作者简介
宋文峰, 毕业于中山大学,获计算机硕士学位。先后担任百度、联想和趣头条等互联网大厂的算法团队负责人。熟悉自然语言处理的相关算法和模型,有多年的算法开发、推荐系统开发和自然语言处理项目经验。业余时间兼职自然语言处理讲师,从事相关课程的讲授工作,积累了丰富的经验。