搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
出版时间 :
无库存
自然语言处理理论与实践
0.00     定价 ¥ 36.00
泸西县图书馆
此书还可采购1本,持证读者免费借回家
  • ISBN:
    9787040593969
  • 出 版 社 :
    高等教育出版社
  • 出版日期:
    2022-11-01
收藏
畅销推荐
作者简介
  黄河燕,教授。北京理工大学特聘教授,博士生导师,CAAIFellow。北京理工大学人工智能研究院院长,北京市海量语言信息处理与云计算应用工程技术研究中心主任,工信部信息智能处理与内容安全重点实验室主任,兼任教育部高等学校计算机类专业教学指导委员会副主任委员、信息技术新工科产学研联盟副理事长。主要研究方向为机器翻译、自然语言处理与智能系统,主持承担了国家重点研发计划项目、国家自然科学基金重点项目、“973计划”、“863计划”等20多项国家科研攻关项目,获得国家科技进步一等奖等十余项国家及省部级奖励,1997年起享受国务院政府特殊津贴,2014年当选“全国优秀科技工作者”,2021年获华为“智能基座”项目“优秀教师”、“突出贡献奖”及“栋梁之师”等多项荣誉。
  
  史树敏,副教授。北京理工大学计算机学院计算机系副主任,博士,硕士生导师,美国加州大学伯克利分校国家公派访问学者。兼任中国人工智能学会副秘书长、CAAI自然语言理解专委会副主任委员。主要研究方向自然语言处理、情感分析、语义计算等。先后主持承担国家自然科学基金面上及青年基金项目;作为核心成员参与国家重点研发计划、“863计划”、“973计划”及国家自然科学基金重点等十余项科研项目;出版专著1部、规划教材4部。曾获北京市科学技术一等奖、中国电子学会科技进步一等奖;北京理工大学教学基本功大赛二等奖、迪文优秀教师奖、师德先进个人及“三育人”先进个人等荣誉。2021年获全国优秀教材(高等教育类)二等奖。
  
  李洪政,助理教授。北京理工大学外国语学院助理教授,硕士生导师。北京理工大学计算机学院博士后,中国中文信息学会青年工作委员会委员。主要研究方向为自然语言处理、机器翻译、语料库语言学等。主持国家自然科学基金青年项目、教育部和工信部项目以及中国博士后科学基金项目等。在SCI/EI/CSSCI/CCF-A类等期刊和国际/国内学术会议发表重要论文十余篇。
展开
目录
第1章 绪论
1.1 什么是自然语言
1.2 什么是自然语言处理
1.3 自然语言处理发展历程
1.4 自然语言处理的难点与挑战
1.5 基本概念与术语
1.6 学习本书的预备知识基础
本章习题

第2章 人工神经网络
2.1 人工神经网络基础
2.1.1 神经元与感知机
2.1.2 激活函数
2.2 前馈神经网络
2.2.1 前馈神经网络概念
2.2.2 反向传播算法
2.2.3 前馈神经网络实践
2.3 循环神经网络
2.3.1 简单循环神经网络
2.3.2 循环神经网络的训练
2.3.3 双向循环神经网络
2.3.4 基于门控的循环神经网络
2.3.5 循环神经网络实践
2.4 卷积神经网络
2.4.1 卷积网络结构
2.4.2 卷积神经网络实践
2.4.3 基于MindSpore的卷积神经网络实践
本章习题
参考文献

第3章 语言模型与向量表示
3.1 语言模型
3.1.1 语言模型概述
3.1.2 统计语言模型
3.1.3 神经网络语言模型
3.2 向量表示
3.2.1 离散向量表示
3.2.2 稠密向量表示
3.2.3 向量表示评价
3.2.4 向量表示实践
本章习题
参考文献

第4章 语言分析技术
4.1 引言
4.2 中文分词
4.2.1 基本问题
4.2.2 经典的分词算法
4.2.3 中文分词实践
4.3 依存句法分析
4.3.1 概述
4.3.2 常用的依存句法分析方法
4.3.3 依存句法分析性能评价指标
4.3.4 基于前馈神经网络的依存句法分析实验
4.3.5 常用依存句法分析工具
4.3.6 总结
4.4 语义角色标注
4.4.1 概述
4.4.2 语义角色标注方法
4.4.3 语义角色标注实践
本章习题
参考文献

第5章 机器翻译
5.1 机器翻译发展概况
5.2 基于规则的机器翻译方法
5.3 基于统计的机器翻译方法
5.3.1 方法介绍
5.3.2 基于统计的机器翻译实践
5.4 基于神经网络的机器翻译方法
5.4.1 编码器-解码器框架
5.4.2 循环神经网络翻译框架
5.4.3 基于注意力机制的翻译框架
5.4.4 Transformer翻译框架
5.4.5 翻译实践
5.5 机器翻译质量评价
5.5.1 人工评价
5.5.2 自动评价
5.6 翻译质量估计
5.7 翻译开源工具与技术评测
5.7.1 开源工具
5.7.2 技术评测
5.8 现状与挑战
本章习题
参考文献

第6章 信息抽取
6.1 发展概况
6.1.1 命名实体识别方法
6.1.2 关系抽取方法
6.2 实体识别模型
6.2.1 基于统计的实体识别模型
6.2.2 基于双向LSTM和CRF的实体识别模型
6.2.3 基于栅格LSTM的中文实体识别模型
6.2.4 基于预训练语言模型的实体识别实践
6.3 关系抽取
6.3.1 基于分段卷积神经网络的关系抽取模型
6.3.2 基于实例选择性注意力机制的关系抽取模型
6.3.3 DocRED关系抽取实践
6.4 信息抽取评价标准
6.4.1 TIPSTER项目与MUC系列会议
6.4.2 TIDES项目与ACE系列会议
6.4.3 基于指称匹配的评价标准
6.4.4 远程监督模式中的评价标准
6.5 现状与挑战
本章习题
参考文献

第7章 问答系统
7.1 概述
7.2 基于结构化数据的问答系统
7.2.1 人工智能时期
7.2.2 计算语言学时期
7.2.3 总结
7.3 基于自由文本的问答系统
7.3.1 问题分析
7.3.2 信息检索
7.3.3 答案抽取
7.4 基于问题对的问答系统
7.4.1 常问问题和社区问答的对比
7.4.2 问答系统的关键环节
7.5 发展趋势
7.6 项目实践:基于社区问答的对话式问答系统
7.6.1 项目介绍
7.6.2 系统整体架构
7.6.3 爬虫模块
7.6.4 相似问句计算
7.6.5 系统效果
本章习题
参考文献

第8章 机器阅读理解
8.1 概述
8.2 任务分类
8.2.1 完形填空
8.2.2 多项选择
8.2.3 文本抽取
8.2.4 自由回答
8.3 评测指标
8.3.1 准确性
8.3.2 精确匹配
8.3.3 F1值
8.3.4 ROUGE-L
8.3.5 BLEU值
8.4 基于深度学习的阅读理解模型
8.4.1 传统深度学习基本框架
8.4.2 传统深度学习的阅读理解模型
8.4.3 基于预训练语言模型的基本框架
8.4.4 基于预训练语言模型的模型介绍
8.5 项目实践:基于预训练语言模型的阅读理解系统
8.5.1 项目介绍
8.5.2 数据预处理
8.5.3 下载并导入预训练语言模型
8.5.4 基于预训练模型的阅读理解模型构建
8.5.5 模型训练
8.5.6 模型推理
8.5.7 模型测试
8.6 总结与展望
本章习题
参考文献
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

温馨提示:请使用泸西县图书馆的读者帐号和密码进行登录

点击获取验证码
登录