自然語言處理 — 基於深度學習的理論與案例

雷擎

  • 出版商: 清華大學
  • 出版日期: 2024-03-01
  • 定價: $414
  • 售價: 8.5$352
  • 語言: 簡體中文
  • ISBN: 7302657475
  • ISBN-13: 9787302657477
  • 相關分類: DeepLearningText-mining
  • 下單後立即進貨 (約4週~6週)

  • 自然語言處理 — 基於深度學習的理論與案例-preview-1
  • 自然語言處理 — 基於深度學習的理論與案例-preview-2
  • 自然語言處理 — 基於深度學習的理論與案例-preview-3
自然語言處理 — 基於深度學習的理論與案例-preview-1

買這商品的人也買了...

相關主題

商品描述

本書主要介紹神經網絡、深度學習和自然語言處理的基本原理、方法和應用,全書分為3部分,每部分涵蓋了不同的主題: 第1部分(第1~3章)介紹神經網絡和深度學習的基礎知識,包括人工神經網絡的起源和發展,神經網絡的表示方法、數學基礎理論和機器學習基礎,以及表徵學習的概念;第2部分(第4章和第5章)介紹自然語言處理和轉換器網絡;第3部分(第6~10章)介紹自然語言處理的案例分析,包括文本分類任務、實體識別、文本生成和文本摘要的方法和技術、基於評審的問答系統等。 本書是學習並實踐神經網絡、深度學習和自然語言處理的實用指南,每章都給出了代碼示例和實際案例,幫助讀者理解和實踐所學的知識。本書採用漸進式講解,理論與實踐結合,強調自然語言處理,並且關註**技術和趨勢,適合作為高等學校神經網絡、深度學習和自然語言處理相關課程的教材,也是相關專業人員很好的參考用書。

目錄大綱

目錄

 

 

第1部分神經網絡與深度學習

第1章人工神經網絡/3

1.1起源和發展3

1.2什麽是深度學習5

1.3神經網絡的表示8

1.4數學基礎理論12

1.4.1數據類型12

1.4.2函數基礎15

1.4.3線性代數20

1.4.4梯度計算28

1.4.5概率分佈30

1.4.6代碼示例36

1.5機器學習基礎38

1.5.1什麽是分類40

1.5.2一個簡單的分類器: 樸素貝葉斯45

1.5.3一個簡單的神經網絡: 邏輯回歸47

1.5.4評估分類結果54

1.6表徵學習57

1.6.1主成分分析58

1.6.2詞袋的表徵66

第2章前饋神經網絡/69

2.1單層感知器69

2.2三層神經網絡75

2.3激活函數80

2.3.1線性函數80

2.3.2邏輯函數81

2.4更新權重87

2.4.1學習規則87

2.4.2反向傳播95

2.4.3梯度下降102

2.5代碼示例105

2.6修改和擴展107

2.6.1預期泛化誤差108

2.6.2正則化的思想113

2.6.3調整超參數119

2.6.4其他的問題123

〖1〗自然語言處理——基於深度學習的理論與案例目錄〖3〗〖3〗第3章深度學習網絡/126

3.1深度的定義127

3.2捲積神經網絡128

3.2.1什麽是捲積計算129

3.2.2感受野與捲積層131

3.2.3特徵圖和池化層136

3.2.4一個捲積網絡138

3.2.5用於文本分類141

3.3循環神經網絡143

3.3.1不等長序列143

3.3.2循環連接的構成145

3.3.3長短期記憶網絡148

3.3.4三種訓練方法152

3.3.5一個簡單的實現155

3.4深度分佈式表徵160

3.4.1自編碼器160

3.4.2神經語言模型167

第2部分自然語言處理與轉換器網絡

第4章自然語言處理/179

4.1歷史發展179

4.2常見任務183

4.2.1字符和語音識別183

4.2.2形態分析183

4.2.3句法分析185

4.2.4詞匯語義186

4.2.5關系語義187

4.2.6話語188

4.2.7高級任務190

4.3未來趨勢192

4.4認識轉換器195

4.4.1編碼器到解碼器框架196

4.4.2註意力機制198

4.4.3遷移學習201

4.4.4Hugging Face生態205

4.4.5面對挑戰211

第5章轉換器網絡/212

5.1轉換器介紹212

5.2理解編碼器215

5.2.1輸入嵌入層217

5.2.2位置編碼218

5.2.3多頭自註意力層221

5.2.4殘值連接與層歸一化230

5.2.5前饋網絡層232

5.3理解解碼器233

5.3.1掩碼多頭註意力層235

5.3.2多頭註意力層239

5.3.3線性層和Softmax層242

5.3.4運行流程243

5.4訓練轉換器244

5.5轉換器家族246

5.5.1編碼器分支246

5.5.2解碼器分支253

5.5.3編碼器到解碼器分支255

5.6概括258

第3部分自然語言處理案例分析

第6章文本分類案例分析/261

6.1數據集261

6.1.1查看數據262

6.1.2轉換到數據框265

6.1.3查看類別分佈266

6.1.4查看推文長度266

6.2從文本到標記267

6.2.1字符標記化267

6.2.2詞標記化269

6.2.3子詞標記化270

6.2.4整個數據集272

6.3訓練分類器274

6.3.1特徵提取器275

6.3.2微調轉換器283

第7章實體識別案例分析/288

7.1數據集288

7.2多語言轉換器292

7.3標記化管道294

7.4模型類剖析297

7.4.1模型體和頭297

7.4.2創建自定義模型297

7.4.3加載自定義模型299

7.5標記文本301

7.6績效衡量303

7.7微調XLMR304

7.8錯誤分析305

第8章文本生成案例分析/310

8.1生成連貫文本310

8.2貪心搜索解碼311

8.3集束搜索解碼313

8.4抽樣方法317

第9章文本摘要案例分析/323

9.1數據集323

9.2文本摘要管道324

9.2.1基線324

9.2.2GPT2325

9.2.3T5325

9.2.4BART326

9.2.5PEGASUS326

9.2.6比較不同327

9.3衡量指標328

9.3.1BLEU 328

9.3.2ROUGE333

第10章問答系統案例分析/336

10.1基於評審的問答系統336

10.1.1數據集337

10.1.2從文本中提取答案340

參考文獻/349