基于深度學習的自然語言處理( 簡體 字) | |
| 作者：(美)卡蒂克·雷迪·博卡//(印)舒班吉·霍拉//(德)塔努吉·賈因//(美)莫尼卡·瓦姆布吉|責編:李忠明|譯者:趙鳴//曾小健//詹煒 | 類別：1. -> 程式設計 -> 深度學習 2. -> 程式設計 -> 自然語言 |
| 出版社：機械工業 |  3dWoo書號： 52805詢問書籍請說出此書號！ 有庫存 NT售價： 395 元 |
| 出版日：5/1/2020 | |
| 頁數：226 | |
| 光碟數：0 | |
站長推薦：   | |
| 印刷：黑白印刷 | 語系： ( 簡體 字 ) |
| ISBN：9787111653578 | 加入購物車 │加到我的最愛 (請先登入會員) |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證, 繁體書的下載亦請直接連絡出版社) | |
譯者序
前言 第1章 自然語言處理 1.1 本章概覽 1.2 自然語言處理的基礎知識 1.3 自然語言處理的能力 1.4 自然語言處理中的應用 1.4.1 文本預處理 1.4.2 文本預處理技術 1.5 詞嵌入 1.6 本章小結 第2章 自然語言處理的應用 2.1 本章概覽 2.2 詞性標注 2.2.1 詞性 2.2.2 詞性標注器 2.3 詞性標注的應用 2.4 分塊 2.5 加縫 2.6 命名實體識別 2.6.1 命名實體 2.6.2 命名實體識別器 2.6.3 命名實體識別的應用 2.6.4 命名實體識別器類型 2.7 本章小結 第3章 神經網絡 3.1 本章概覽 3.1.1 深度學習簡介 3.1.2 機器學習與深度學習的比較 3.2 神經網絡 3.3 訓練神經網絡 3.3.1 計算權重 3.3.2 損失函數 3.3.3 梯度下降算法 3.3.4 反向傳播 3.4 神經網絡的設計及其應用 3.4.1 有監督神經網絡 3.4.2 無監督神經網絡 3.5 部署模型即服務的基礎 3.6 本章小結 第4章 卷積神經網絡 4.1 本章概覽 4.2 理解CNN的架構 4.2.1 特征提取 4.2.2 隨機失活 4.2.3 卷積神經網絡的分類 4.3 訓練CNN 4.4 CNN的應用領域 4.5 本章小結 第5章 循環神經網絡 將深度學習方法應用于各種自然語言處理任務可
以將你的計算算法在速度和準確性方面提升到一個全 新的水平。本書首先介紹自然語言處理領域的基本構 件，接著介紹使用最先進的神經網絡模型可以解決的 問題。深入研究各種神經網絡架構及其特定的應用領 域將有助于你理解如何選擇最佳模型來滿足你的需 求。隨著學習的深入，你將學到卷積神經網絡、循環 神經網絡、遞歸神經網絡以及長短期記憶網絡。在后 面的章節中，你將能夠使用自然語言處理技術（如注 意力機制模型和集束搜索）開發應用程序。 學完本書，你不僅能具備自然語言處理的基礎知 識，還能選擇絕佳的文本預處理和神經網絡模型來解 決一些自然語言處理的問題。 了解深度學習問題的各種預處理技術。 用word2vec和GloVe構建文本的矢量表示。 使用Apache OpenNLP創建命名實體識別器和詞性 標注器。 在Keras中構建機器翻譯模型。 用LSTM開發文本生成應用程序。 使用注意力模型構建觸發詞檢測應用程序。 | |
