- 深入浅出Embedding(原理解析与应用实践)/智能系统与技术丛书
- - 作者：吴茂贵//王红星|责编:韩蕊//李艺
  - 出版社：机械工业
  - ISBN：9787111680642
  - 出版日期：2021/06/01
  - 页数：308
- 售价：39.6

内容大纲
    这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。
    在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。
    全书一共16章，分为两个部分。
    第1部分(第1～9章)Embedding理论知识主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。
    第二部分(第10～16章)Embedding应用实例通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。
作者介绍
目录
前言
第一部分  Embedding基础知识
第1章  万物皆可嵌入
  1.1  处理序列问题的一般步骤
  1.2  Word Embedding
    1.2.1  word2vec之前
    1.2.2  CBOW模型
    1.2.3  Skip-Gram模型
    1.2.4  可视化Skip-Gram模型实现过程
    1.2.5  Hierarchical Softmax优化
    1.2.6  Negative Sampling优化
  1.3  Item Embedding
    1.3.1  微软推荐系统使用Item Embedding
    1.3.2  Airbnb推荐系统使用Item Embedding
  1.4  用Embedding处理分类特征
  1.5  Graph Embedding
    1.5.1  DeepWalk方法
    1.5.2  LINE方法
    1.5.3  node2vec方法
    1.5.4  Graph Embedding在阿里的应用
    1.5.5  知识图谱助力推荐系统实例
  1.6  Contextual Word Embedding
    1.6.1  多种预训练模型概述
    1.6.2  多种预训练模型的发展脉络
    1.6.3  各种预训练模型的优缺点
    1.6.4  常用预训练模型
    1.6.5  Transformer的应用
  1.7  使用W0rd Embedding实现中文自动摘要
    1.7.1  背景说明
    1.7.2  预处理中文语料库
    1.7.3  生成词向量
    1.7.4  把文档的词转换为词向量
    1.7.5  生成各主题的关键词
    1.7.6  查看运行结果
  1.8  小结
第2章  获取Embedding的方法
  2.1  使用PyTorch的Embedding Layer
    2.1.1  语法格式
    2.1.2  简单实例
    2.1.3  初始化
  2.2  使用TensorFlow 2.0的Embedding Layer
    2.2.1  语法格式
    2.2.2  简单实例
……
第二部分  Embedding应用实例

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目