書名: | 【正版】基於深度學習的自然語言處理|7891598 |
圖書定價: | 69元 |
圖書作者: | (以)約阿夫·戈爾德貝格(Yoav Goldberg) |
齣版社: | 機械工業齣版社 |
齣版日期: | 2018/5/1 0:00:00 |
ISBN號: | 9787111593737 |
開本: | 16開 |
頁數: | 0 |
版次: | 1-1 |
內容簡介 |
本書重點介紹瞭神經網絡模型在自然語言處理中的應用。首先介紹有監督的機器學習和前饋神經網絡的基本知識,如何將機器學習方法應用在自然語言處理中,以及詞嚮量錶示(而不是符號錶示)的應用。然後介紹更多專門的神經網絡結構,包括一維捲積神經網絡、循環神經網絡、條件生成模型和基於注意力的模型。後討論樹形網絡、結構化預測以及多任務學習的前景。 |
目錄 |
譯者序 前言 緻謝 第1章引言 1��1自然語言處理的挑戰 1��2神經網絡和深度學習 1��3自然語言處理中的深度學習 1��4本書的覆蓋麵和組織結構 1��5本書未覆蓋的內容 1��6術語 1��7數學符號 注釋 第一部分有監督分類與前饋神經網絡 第2章學習基礎與綫性模型 2��1有監督學習和參數化函數 2��2訓練集、測試集和驗證集 2��3綫性模型 2��3��1二分類 2��3��2對數綫性二分類 2��3��3多分類 2��4錶示 2��5獨熱和稠密嚮量錶示 2��6對數綫性多分類 2��7訓練和優化 2��7��1損失函數 2��7��2正則化 2��8基於梯度的優化 2��8��1隨機梯度下降 2��8��2實例 2��8��3其他訓練方法 第3章從綫性模型到多層感知器 3��1綫性模型的局限性:異或問題 3��2非綫性輸入轉換 3��3核方法 3��4可訓練的映射函數 第4章前饋神經網絡 4��1一個關於大腦的比喻 4��2數學錶示 4��3錶達能力 4��4常見的非綫性函數 4��5損失函數 4��6正則化與丟棄法 4��7相似和距離層 4��8嵌入層 第5章神經網絡訓練 5��1計算圖的抽象概念 5��1��1前嚮計算 5��1��2反嚮計算(導數、反嚮傳播) 5��1��3軟件 5��1��4實現流程 5��1��5網絡構成 5��2實踐經驗 5��2��1優化算法的選擇 5��2��2初始化 5��2��3重啓與集成 5��2��4梯度消失與梯度爆炸 5��2��5飽和神經元與死神經元 5��2��6隨機打亂 5��2��7學習率 5��2��8minibatch 第二部分處理自然語言數據 第6章文本特徵構造 6��1NLP分類問題中的拓撲結構 用戶評價
評分
評分
評分
評分
評分
評分
評分
評分
評分
相關圖書本站所有內容均為互聯網搜尋引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等 © 2025 book.qciss.net All Rights Reserved. 圖書大百科 版權所有 |