扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
自然语言处理:基于机器学习视角 版权信息
- ISBN：9787111742234
- 条形码：9787111742234 ; 978-7-111-74223-4
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
自然语言处理:基于机器学习视角 本书特色
深入浅出，基于机器学习视角系统性梳理自然语言处理知识体系。学以致用，对理论方法的讲解搭配数学推理、教学视频，手把手教你轻松掌握自然语言处理核心技术。
自然语言处理:基于机器学习视角 内容简介
本书从机器学习的角度系统地讨论自然语言处理，提供了对NLP解决方案更深入的数学理解。学生可以利用这些知识来解决NLP任务，并建立更好的NLP模型。
自然语言处理:基于机器学习视角 目录
目录
中文版序
译者序
前言
符号表
**部分 基础知识
第1章 绪论 2
1.1 自然语言处理的概念 2
1.2 自然语言处理任务 3
1.2.1 基础任务 4
1.2.2 信息抽取任务 12
1.2.3 应用 16
1.2.4 小结 18
1.3 机器学习视角下的自然语言
处理任务 18
总结 19
注释 19
习题 19
参考文献 21
第2章 相对频率 35
2.1 概率建模 35
2.1.1 *大似然估计 35
2.1.2 词概率建模 36
2.1.3 模型与概率分布 37
2.2 n元语言模型 41
2.2.1 一元语言模型 41
2.2.2 二元语言模型 43
2.2.3 三元及高阶语言模型 46
2.2.4 生成式模型 48
2.3 朴素贝叶斯文本分类器 49
2.3.1 朴素贝叶斯文本分类 50
2.3.2 文本分类器的评估 52
2.3.3 边缘概率的计算 53
2.3.4 特征 53
总结 54
注释 54
习题 54
参考文献 56
第3章 特征向量 57
3.1 文本在向量空间中的表示 57
3.1.1 聚类 59
3.1.2 k均值聚类 61
3.1.3 分类 62
3.1.4 支持向量机 63
3.1.5 感知机 65
3.2 多分类 66
3.2.1 定义基于输出的特征 67
3.2.2 多分类支持向量机 68
3.2.3 多分类感知机 69
3.3 线性判别式模型 70
3.3.1 判别式模型及其特征 70
3.3.2 线性模型的点积形式 72
3.4 向量空间与模型训练 72
3.4.1 可分性与泛化性 72
3.4.2 处理非线性可分数据 73
总结 74
注释 74
习题 74
参考文献 76
第4章 判别式线性分类器 78
4.1 对数线性模型 78
4.1.1 二分类对数线性模型的训练 79
4.1.2 多分类对数线性模型的训练 83
4.1.3 利用对数线性模型进行分类 85
4.2 基于随机梯度下降法训练支持向量机 85
4.2.1 二分类支持向量机的训练 86
4.2.2 多分类支持向量机的训练 87
4.2.3 感知机训练的目标函数 88
4.3 广义线性模型 88
4.3.1 统一在线训练 89
4.3.2 损失函数 89
4.3.3 正则化 92
4.4 模型融合 92
4.4.1 模型性能比较 92
4.4.2 模型集成 93
4.4.3 半监督学习 95
总结 96
注释 96
习题 97
参考文献 99
第5章 信息论观点 101
5.1 *大熵原理 101
5.1.1 朴素*大熵模型 103
5.1.2 条件熵 104
5.1.3 *大熵模型与训练数据 105
5.2 KL散度与交叉熵 108
5.2.1 交叉熵和*大似然估计 109
5.2.2 模型困惑度 110
5.3 互信息 111
5.3.1 点互信息 112
5.3.2 基于点互信息的文本挖掘 113
5.3.3 基于点互信息的特征选取 115
5.3.4 词的点互信息与向量表示 115
总结 117
注释 117
习题 117
参考文献 120
第6章 隐变量 121
6.1 期望*大算法 121
6.1.1 k均值算法 123
6.1.2 期望*大算法介绍 125
6.2 基于期望*大算法的隐变量模型 127
6.2.1 无监督朴素贝叶斯模型 127
6.2.2 IBM模型1 130
6.2.3 概率潜在语义分析 136
6.2.4 生成模型的相对优势 138
6.3 期望*大算法的理论基础 138
6.3.1 期望*大与KL散度 139
6.3.2 基于数值优化的期
望*大算法推导 140
总结 141
注释 142
习题 142
参考文献 144
第二部分 结构研究
第7章 生成式序列标注任务 146
7.1 序列标注 146
7.2 隐马尔可夫模型 147
7.2.1 隐马尔可夫模型的训练 149
7.2.2 解码 149
7.3 计算边缘概率 153
7.3.1 前向算法 154
7.3.2 后向算法 154
7.3.3 前向-后向算法 156
7.3.4 二阶隐马尔可夫模型的前向-后向算法 156
7.4 基于期望*大算法的无监督隐马尔可夫模型训练 158
总结 164
注释 164
习题 165
参考文献 166
第8章 判别式序列标注任务 168
8.1 局部训练的判别式序列标注模型 168
8.2 标注偏置问题 171
8.3 条件随机场 172
8.3.1 全局特征向量 173
8.3.2 解码 174
8.3.3 边缘概率计算 175
8.3.4 训练 178
8.4 结构化感知机 181
8.5 结构化支持向量机 184
总结 186
注释 186
习题 186
参考文献 188
第9章 序列分割 189
9.1 基于序列标注的序列分割任务 189
9.1.1 面向分词的序列标注特征 190
9.1.2 面向句法组块分析的序列标注特征 192
9.1.3 面向命名实体识别的序列标注特征 192
9.1.4 序列分割输出的评价方式 193
9.2 面向序列分割的判别式模型 193
9.2.1 分词中的词级别特征 194
9.2.2 基于动态规划的精确搜索解码 195
9.2.3 半马尔可夫条件随机场 197
9.2.4 *大间隔模型 202
9.3 结构化感知机与柱搜索 203
9.3.1 放宽特征局部约束 204
9.3.2 柱搜索解码 205
总结 207
注释 207
习题 207
参考文献 208
第10章 树结构预测 210
10.1 生成式成分句法分析 210
10.1.1 概率上下文无关文法 212
10.1.2 CKY解码 213
10.1.3 成分句法解析器的性能评估 215
10.1.4 边缘概率的计算 215
10.2 成分句法分析的特征 218
10.2.1 词汇化概率上下文无关文法 218
10.2.2 判别式成分句法分析模型 221
10.2.3 面向成分句法分析的对数线性模型 222
10.
中文版序
译者序
前言
符号表
**部分 基础知识
第1章 绪论 2
1.1 自然语言处理的概念 2
1.2 自然语言处理任务 3
1.2.1 基础任务 4
1.2.2 信息抽取任务 12
1.2.3 应用 16
1.2.4 小结 18
1.3 机器学习视角下的自然语言
处理任务 18
总结 19
注释 19
习题 19
参考文献 21
第2章 相对频率 35
2.1 概率建模 35
2.1.1 *大似然估计 35
2.1.2 词概率建模 36
2.1.3 模型与概率分布 37
2.2 n元语言模型 41
2.2.1 一元语言模型 41
2.2.2 二元语言模型 43
2.2.3 三元及高阶语言模型 46
2.2.4 生成式模型 48
2.3 朴素贝叶斯文本分类器 49
2.3.1 朴素贝叶斯文本分类 50
2.3.2 文本分类器的评估 52
2.3.3 边缘概率的计算 53
2.3.4 特征 53
总结 54
注释 54
习题 54
参考文献 56
第3章 特征向量 57
3.1 文本在向量空间中的表示 57
3.1.1 聚类 59
3.1.2 k均值聚类 61
3.1.3 分类 62
3.1.4 支持向量机 63
3.1.5 感知机 65
3.2 多分类 66
3.2.1 定义基于输出的特征 67
3.2.2 多分类支持向量机 68
3.2.3 多分类感知机 69
3.3 线性判别式模型 70
3.3.1 判别式模型及其特征 70
3.3.2 线性模型的点积形式 72
3.4 向量空间与模型训练 72
3.4.1 可分性与泛化性 72
3.4.2 处理非线性可分数据 73
总结 74
注释 74
习题 74
参考文献 76
第4章 判别式线性分类器 78
4.1 对数线性模型 78
4.1.1 二分类对数线性模型的训练 79
4.1.2 多分类对数线性模型的训练 83
4.1.3 利用对数线性模型进行分类 85
4.2 基于随机梯度下降法训练支持向量机 85
4.2.1 二分类支持向量机的训练 86
4.2.2 多分类支持向量机的训练 87
4.2.3 感知机训练的目标函数 88
4.3 广义线性模型 88
4.3.1 统一在线训练 89
4.3.2 损失函数 89
4.3.3 正则化 92
4.4 模型融合 92
4.4.1 模型性能比较 92
4.4.2 模型集成 93
4.4.3 半监督学习 95
总结 96
注释 96
习题 97
参考文献 99
第5章 信息论观点 101
5.1 *大熵原理 101
5.1.1 朴素*大熵模型 103
5.1.2 条件熵 104
5.1.3 *大熵模型与训练数据 105
5.2 KL散度与交叉熵 108
5.2.1 交叉熵和*大似然估计 109
5.2.2 模型困惑度 110
5.3 互信息 111
5.3.1 点互信息 112
5.3.2 基于点互信息的文本挖掘 113
5.3.3 基于点互信息的特征选取 115
5.3.4 词的点互信息与向量表示 115
总结 117
注释 117
习题 117
参考文献 120
第6章 隐变量 121
6.1 期望*大算法 121
6.1.1 k均值算法 123
6.1.2 期望*大算法介绍 125
6.2 基于期望*大算法的隐变量模型 127
6.2.1 无监督朴素贝叶斯模型 127
6.2.2 IBM模型1 130
6.2.3 概率潜在语义分析 136
6.2.4 生成模型的相对优势 138
6.3 期望*大算法的理论基础 138
6.3.1 期望*大与KL散度 139
6.3.2 基于数值优化的期
望*大算法推导 140
总结 141
注释 142
习题 142
参考文献 144
第二部分 结构研究
第7章 生成式序列标注任务 146
7.1 序列标注 146
7.2 隐马尔可夫模型 147
7.2.1 隐马尔可夫模型的训练 149
7.2.2 解码 149
7.3 计算边缘概率 153
7.3.1 前向算法 154
7.3.2 后向算法 154
7.3.3 前向-后向算法 156
7.3.4 二阶隐马尔可夫模型的前向-后向算法 156
7.4 基于期望*大算法的无监督隐马尔可夫模型训练 158
总结 164
注释 164
习题 165
参考文献 166
第8章 判别式序列标注任务 168
8.1 局部训练的判别式序列标注模型 168
8.2 标注偏置问题 171
8.3 条件随机场 172
8.3.1 全局特征向量 173
8.3.2 解码 174
8.3.3 边缘概率计算 175
8.3.4 训练 178
8.4 结构化感知机 181
8.5 结构化支持向量机 184
总结 186
注释 186
习题 186
参考文献 188
第9章 序列分割 189
9.1 基于序列标注的序列分割任务 189
9.1.1 面向分词的序列标注特征 190
9.1.2 面向句法组块分析的序列标注特征 192
9.1.3 面向命名实体识别的序列标注特征 192
9.1.4 序列分割输出的评价方式 193
9.2 面向序列分割的判别式模型 193
9.2.1 分词中的词级别特征 194
9.2.2 基于动态规划的精确搜索解码 195
9.2.3 半马尔可夫条件随机场 197
9.2.4 *大间隔模型 202
9.3 结构化感知机与柱搜索 203
9.3.1 放宽特征局部约束 204
9.3.2 柱搜索解码 205
总结 207
注释 207
习题 207
参考文献 208
第10章 树结构预测 210
10.1 生成式成分句法分析 210
10.1.1 概率上下文无关文法 212
10.1.2 CKY解码 213
10.1.3 成分句法解析器的性能评估 215
10.1.4 边缘概率的计算 215
10.2 成分句法分析的特征 218
10.2.1 词汇化概率上下文无关文法 218
10.2.2 判别式成分句法分析模型 221
10.2.3 面向成分句法分析的对数线性模型 222
10.
展开全部
自然语言处理:基于机器学习视角 作者简介
张 岳
西湖大学教授。主要研究领域为自然语言处理、文本挖掘及相关的机器学习方法。研究成果包括机器学习引导搜索的结构预测算法、多任务联合模型、文本表示和图神经网络、自然语言处理中的常识、逻辑推理以及泛化问题，因果机制引导的自然语言处理等。担任国内外顶级会议CCL 2020、EMNLP 2022程序委员会共同主席。担任Transactions for ACL期刊执行编辑，以及四个Transaction期刊副主编。获多个国际会议最佳论文奖。
滕志扬
张 岳
西湖大学教授。主要研究领域为自然语言处理、文本挖掘及相关的机器学习方法。研究成果包括机器学习引导搜索的结构预测算法、多任务联合模型、文本表示和图神经网络、自然语言处理中的常识、逻辑推理以及泛化问题，因果机制引导的自然语言处理等。担任国内外顶级会议CCL 2020、EMNLP 2022程序委员会共同主席。担任Transactions for ACL期刊执行编辑，以及四个Transaction期刊副主编。获多个国际会议最佳论文奖。
滕志扬
2011年本科毕业于东北大学，2014年硕士毕业于中国科学院大学，2018年博士毕业于新加坡科技与设计大学（SUTD），专业方向是自然语言处理和机器学习。他于2018-2022年在西湖大学担任助理研究员。2022-2023年，在新加坡南洋理工大学计算机科学与工程学院的S-lab高级智能实验室曾先后担任研究员和研究型助理教授。在自然语言处理领域的国际和国内顶级会议及期刊上共发表论文30多篇，并在2014年的CCL/NABD会议上获得最佳论文奖。此外，还曾在EMNLP 2021、AACL-IJCNLP 2022 和 EMNLP 2022担任领域主席。
书友推荐
- >
经典常谈
经典常谈
¥12.7¥39.8 - >
烟与镜
烟与镜
¥14.4¥48.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥13.0¥24.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥13.5¥39.8 - >
朝闻道
朝闻道
¥8.8¥23.8 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
我与地坛
我与地坛
¥27.2¥28.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
