包邮自然语言处理(普通高等教育人工智能专业系列教材)

作者：冯建周

出版社：中国水利水电出版社出版时间：2022-04-01

开本： 16开 页数： 250

本类榜单：计算机/网络销量榜

中图价:¥32.2(6.7折) 定价 ~~¥48.0~~ 登录后可看到会员价

暂时缺货收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

商品详情
商品评论(0条)

中图价:¥32.2 暂时缺货

版权信息
内容简介
目录
作者简介

自然语言处理(普通高等教育人工智能专业系列教材) 版权信息

ISBN：9787522605272
条形码：9787522605272 ; 978-7-5226-0527-2
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

自然语言处理(普通高等教育人工智能专业系列教材) 内容简介

自然语言处理是人工智能的重要分支，本书是一本自然语言处理的入门教材，主要面向高年级本科生和低年级研究生。本着理论结合实践的基本原则，本书共分为11章，其中第1章概述了自然语言处理的研究内容、发展历程、技术特色和当前现状，是概述性的一章。第2章是自然语言处理的编程基础，对Python语言及其相关模块进行了介绍。第3章是自然语言处理的算法基础，主要对常见的机器学习算法（分类算法、聚类算法、模型评估方法、概率图模型、集成学习、人工神经网络等）进行了讲解。第4～5章从统计学方法入手讲解了自然语言处理的两个基础任务：分词和关键词抽取。第6章则讲解了当前流行的词向量技术，尤其是Word2vec和大规模预训练模型BERT。第7～11章分别对当前自然语言处理的热门研究领域展开讲解，包括文本分类、信息抽取、机器阅读理解、文本生成和摘要抽取、对话和聊天系统等。本书除了可以作为高等院校计算机、大数据和人工智能及其相关专业的本科生和研究生教材，也可供对自然语言处理技术感兴趣的研究人员和工程技术人员阅读参考。

自然语言处理(普通高等教育人工智能专业系列教材) 目录

前言第1章自然语言处理概述 1.1 自然语言处理的定义 1.2 自然语言处理的应用领域 1.3 自然语言处理的发展历程 1.4 自然语言处理的研究现状和发展趋势 1.5 自然语言处理的知识和技术储备本章小结第2章自然语言处理编程基础 2.1 Python基础 2.1.1 Python语言概述 2.1.2 Python基础知识 2.2 NumPy和Pandas的使用 2.2.1 NumPy的使用 2.2.2 Pandas的使用 2.3 深度学习框架PyTorch 2.3.1 PyTorch简介及环境搭建 2.3.2 PyTorch入门本章小结第3章机器学习算法基础 3.1 分类算法 3.1.1 朴素贝叶斯模型 3.1.2 决策树模型 3.1.3 支持向量机模型 3.1.4 逻辑回归模型 3.2 聚类算法 3.2.1 原型聚类 3.2.2 密度聚类 3.2.3 层次聚类 3.3 模型评估与选择 3.3.1 经验误差与过拟合 3.3.2 评估方法 3.3.3 性能度量 3.4 概率图模型 3.4.1 隐马尔可夫模型（HMM） 3.4.2 条件随机场模型 3.4.3 LDA模型 3.5 集成学习 3.5.1 个体与集成 3.5.2 XGboost模型 3.5.3 Bagging和随机森林 3.6 人工神经网络与深度学习 3.6.1 人工神经网络与深度学习概述 3.6.2 BP神经网络 3.6.3 卷积神经网络（CNN） 3.6.4 循环神经网络（RNN）与LSTM 本章小结第4章中文分词 4.1 基于词表的分词算法 4.1.1 正向优选匹配算法 4.1.2 逆向优选匹配算法 4.1.3 双向优选匹配算法 4.1.4 案例实现 4.2 基于统计模型的分词算法 4.2.1 N-gram模型 4.2.2 基于N-gram模型的分词算法 4.2.3 案例实现 4.3 基于序列标注的分词算法 4.3.1 序列标注下的隐马尔可夫模型 4.3.2 基于隐马尔可夫模型进行中文分词 4.3.3 维特比（Viterbi）算法 4.3.4 其他基于序列标注的分词算法 4.3.5 案例实现 4.4 中文分词工具 4.4.1 常见的中文分词工具 4.4.2 Jieba分词 4.4.3 案例实现本章小结第5章关键词提取 5.1 TextRank关键词提取算法 5.1.1 PageRank算法 5.1.2 TextRank算法 5.1.3 案例实现 5.2 TE-IDF关键词提取算法 5.2.1 评估词的重要性的常见指标 5.2.2 TF-IDF算法 5.2.3 案例实现本章小结第6章训向量技术 6.1 词向量技术发展历程 6.1.1 词向量概述 6.1.2 词向量的发展历程 6.2 Word2vec 6.2.1 Word2vec的基本原理 6.2.2 Word2vec的两种训练模型 6.2.3 Word2vec的两种优化方法 6.2.4 案例实现 6.3 注意力机制 6.3.1 Encoder-Decoder枢架 6.3.2 注意力机制概述 6.3.3 注意力机制的发展 6.4 BERT预训练模型 6.4.1 Transformer模型 6.4.2 BERT模型 6.4.3 案例实现本章小结第7章文本分类 7.1 文本分类概述 7.2 基于朴素贝叶斯的文本分类方法 7.2.1 基于朴素贝叶斯算法的文本分类流程 7.2.2 案例实现 7.3 基于深度学习的文本分类 7.3.1 基于卷积神经网络的文本分类 7.3.2 案例实现 7.4 开放领域文本分类 7.4.1 开放领域文本分类简介 7.4.2 案例实现本章小结第8章文本信息抽取 8.1 命名实体识别 8.1.1 命名实体识别概述 8.1.2 基于LSTM的命名实体识别 8.1.3 细粒度命名实体识别 8.2 实体关系抽取 8.2.1 关系抽取概述 8.2.2 基于卷积神经网络的关系抽取算法 8.2.3 实体关系的联合抽取算法 8.3 事件抽取 8.3.1 事件抽取概述 8.3.2 事件检测 8.3.3 事件元素抽取本章小结第9章机器阅读理解 9.1 机器阅读理解概述 9.2 抽取式阅读理解 9.2.1 抽取式阅读理解概述 9.2.2 基于BiDAF的抽取式阅读理解案例 9.2.3 基于预训练模型的抽取式阅读理解 9.3 选择式阅读理解 9.3.1 选择式阅读理解概述 9.3.2 基于Co-Match的选择式阅读理解案例 9.3.3 基于预训练模型的选择式阅读理解本章小结第10章文本生成与文本摘要 10.1 文本生成与文本摘要概述 10.2 抽取式文本摘要 10.2.1 传统方法 10.2.2 基于RNN的抽取式文本摘要 10.2.3 基于预训练模型的抽取式文本摘要 10.3 生成式文本摘要 10.3.1 早期的Seq2Seg模型 10.3.2 Seq2Seq+Atention模型 10.3.3 指针生成网络 10.3.4 预训练模型+微调 10.4 文本摘要案例 10.4.1 文本摘要常用数据集 10.4.2 使用TextRank进行简单的抽取式摘要 10.4.3 使用预训练模型进行文本摘要本章小结第11章对话系统 11.1 任务型对话系统 11.1.1 模块化方法 …… 参考文献

展开全部

自然语言处理(普通高等教育人工智能专业系列教材) 作者简介

冯建周，计算机应用技术专业博士，副教授，硕士生导师。现任职于燕山大学信息科学与工程学院，担任软件工程系党支部书记。现为中国计算机学会高级会员，中国计算机学会大数据专家委员会专委，中国中文信息学会语言与知识计算专委会委员，信息技术新工科产学联盟大数据与智能计算工委会委员。燕山大学新工科“软件工程+大数据”方向负责人，“大牛-燕山大学法律智能联合创新实验室”主任，研究方向为自然语言处理与知识图谱。先后在《自动化学报》《电子学报》《Semantics, Knowledge andGrids》等国内外重要期刊和学术会议发表学术论文20余篇，主持或作为主要参加人完成国家自然科学基金和河北省自然科学基金项目多项，在研项目包括国家重点研发计划子课题《智慧矛盾纠纷调解平台构建与应用示范研究》，河北省高等学校科学技术研究项目《基于关联知识网络的群体行为分析和预测方法的研究》等。主讲《大数据原理与技术》《Python机器学习》等课程。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐