濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柣鎴f閺嬩線鏌熼梻瀵割槮缁惧墽绮换娑㈠箣閻戝棛鍔┑鐐村灦閻燂箓宕曢悢鍏肩厪濠电偛鐏濋崝姘舵煟鎼搭喖寮慨濠冩そ瀹曟鎳栭埞鍨沪闂備礁鎼幊蹇曞垝瀹€鍕仼闁绘垼妫勯拑鐔兼煏婢舵稓鐣遍柍褜鍓涢弫濠氬蓟閵娿儮鏀介柛鈩冧緱閳ь剚顨婇弻锛勨偓锝庡亞閵嗘帞绱掓潏銊ユ诞闁糕斁鍋撳銈嗗笒鐎氼剛澹曢崗鍏煎弿婵☆垰鐏濇禍褰掓煕閻愬灚鏆柡宀嬬秮閹晠鎮滃Ο绯曞亾閸愵喗鍋i柍褜鍓熼弫鍐焵椤掆偓瀹撳嫰姊洪崨濠勨槈閺嬵亜霉濠婂嫮鐭掗柡灞诲姂瀵潙螖閳ь剚绂嶆ィ鍐╁€垫繛鍫濈仢閺嬫稑顭胯闁帮綁鐛幋锕€顫呴柣姗嗗亝閺傗偓闂佽鍑界紞鍡樼鐠烘í缂氬┑鐘叉处閳锋垹绱撴担鍏夋(妞ゅ繐瀚烽崵鏇㈡偣閾忚纾柟鐑橆殔缁犳盯鏌eΔ鈧悧鍐箯濞差亝鈷掗柛灞炬皑婢ф稓绱掔€n偄娴鐐寸墵楠炲洭顢橀悩娈垮晭闁诲海鎳撴竟濠囧窗閺嶎厾宓侀柡宥庡幗閻撶喖鏌ㄥ┑鍡樺櫣婵¤尙绮妵鍕敃閿濆洨鐣奸梺鍦嚀鐎氫即骞栬ぐ鎺撳仭闁哄娉曢鍥⒒閸屾艾鈧娆㈠璺虹劦妞ゆ帒鍊告禒婊堟煠濞茶鐏¢柡鍛板煐鐎佃偐鈧稒岣块崢鐐繆閵堝繒鐣虫繛澶嬫礈閼洪亶宕稿Δ浣哄帾闂佹悶鍎崝灞炬叏瀹ュ棭娈介柣鎰綑濞搭喗顨ラ悙宸剶闁诡喗绮撳畷鍗烆潨閸℃﹫绱欓梻鍌氬€搁崐鎼佸磹妞嬪海鐭嗗〒姘e亾妤犵偞鐗犻、鏇氱秴闁搞儺鍓﹂弫宥夋煟閹邦厽缍戦柍褜鍓濋崺鏍崲濠靛顥堟繛鎴炶壘椤e搫顪冮妶鍐ㄥ姕鐎光偓閹间礁钃熸繛鎴旀噰閳ь剨绠撻獮瀣攽閸モ晙绨┑鐘殿暯閸撴繆銇愰崘顔藉亱闁规崘顕ч拑鐔兼煥閻斿搫孝缂佲偓閸愵喗鐓冮柛婵嗗閳ь剚鎮傚鍐参旈崨顔规嫼婵炴潙鍚嬮悷褏绮旈鈧湁婵犲﹤楠告晶鐗堜繆閸欏濮嶆鐐村笒铻栭柍褜鍓氶崕顐︽煟閻斿摜鐭婇梺甯到椤曪綁骞庨挊澶屽幐闂佸憡鍔︽禍鐐烘晬濠婂牊鐓涘璺猴功婢ф垿鏌涢弬璺ㄐч挊鐔兼煕椤愮姴鍔滈柣鎾寸☉闇夐柨婵嗙墱濞兼劗鈧娲栭惌鍌炲蓟閳╁啯濯撮悷娆忓绾炬娊姊烘潪鎵妽闁圭懓娲顐﹀箻缂佹ɑ娅㈤梺璺ㄥ櫐閹凤拷 [闂傚倸鍊搁崐鎼佸磹閹间礁纾圭€瑰嫭鍣磋ぐ鎺戠倞妞ゆ帊绀侀崜顓烆渻閵堝棗濮х紒鐘冲灴閻涱噣濮€閵堝棛鍘撻柡澶屽仦婢瑰棝宕濆鍡愪簻闁哄倸鐏濋顐ょ磼鏉堛劍宕岀€规洘甯掗~婵嬵敄閽樺澹曢梺鍛婄缚閸庢娊鎯屽▎鎾寸厱闁哄洢鍔岄悘鐘电磼閻欌偓閸ㄥ爼寮婚妸鈺傚亞闁稿本绋戦锟� | 闂傚倸鍊搁崐鎼佸磹閹间礁纾归柣鎴eГ閸ゅ嫰鏌ら崫銉︽毄濞寸姵姘ㄧ槐鎾诲磼濞嗘帒鍘$紓渚囧櫘閸ㄨ泛鐣峰┑鍠棃宕橀妸銉т喊闂備礁鎼崯顐︽偋婵犲洤纾瑰┑鐘崇閻撱垺淇婇娆掝劅婵″弶鎮傞弻锝嗘償椤旂厧绫嶅┑顔硷龚濞咃絿鍒掑▎鎾崇閹兼番鍨虹€氭娊姊绘担铏广€婇柡鍛洴瀹曨垶寮堕幋顓炴闂佸綊妫跨粈渚€宕橀埀顒€顪冮妶鍡樺暗闁哥姵鎹囧畷銏ゎ敂閸涱垳鐦堥梺姹囧灲濞佳勭濠婂牊鐓熼煫鍥ㄦ⒒缁犵偟鈧娲樼换鍌烇綖濠靛鍤嬮柣銏ゆ涧楠炴劙姊绘担鍛靛綊寮甸鍕┾偓鍐川椤旂虎娲搁梺璺ㄥ櫐閹凤拷]

    • 自然语言处理研究前沿(精)/类脑计算与类脑智能研究前沿系列
      • 作者:编者:孙茂松//李涓子|责编:蒋可玉|总主编:张钹
      • 出版社:上海交大
      • ISBN:9787313222237
      • 出版日期:2019/12/01
      • 页数:479
    • 售价:91.2
  • 内容大纲

        本分册以类脑模式的深度学习为基础,对自然语言处理的不同层面及其应用进行介绍。本分册共分为10章,第1章介绍了自然语言中不同语言单元(包括词、句子和篇章)的表示,并介绍了深度神经网络的注意力计算模型;第2章和第3章分别介绍了自然语言词法和句子的经典分析算法和深度学习模型:第4章介绍了知识图谱和从大规模文本中获取知识的主要技术;第5章和第6章重点介绍了文本挖掘技术,包括文本分类和摘要以及文本情感分析;第7章至第10章分别介绍了自然语言处理在信息检索、自动问答、机器翻译和社会计算中的应用技术。
  • 作者介绍

  • 目录

    1 语言认知与表示模型
      1.1  语言认知与语言表示的定义
      1.2  研究语言认知与表示的意义与挑战
      1.3  语言表示的模型与方法
        1.3.1  词的表示
        1.3.2  句子表示
        1.3.3  篇章表示
        1.3.4  注意力
      1.4  基于预训练模型的语言表示
      参考文献
    2 词法分析
      2.1  引言
        2.1.1  词法分析的任务定义
        2.1.2  词法分析的发展历程
        2.1.3  词法分析的数据集和公开评测
        2.1.4  分词的意义与挑战
      2.2  中文分词
        2.2.1  传统方法
        2.2.2  深度学习方法
        2.2.3  实验结果
      2.3  命名实体识别
        2.3.1  传统方法
        2.3.2  深度学习方法
        2.3.3  实验结果
      2.4  词性标注
        2.4.1  传统方法
        2.4.2  深度学习方法
        2.4.3  实验结果
      2.5  应用
      2.6  小结
      参考文献
    3 句法语义分析
      3.1  引言
      3.2  任务定义
        3.2.1  依存句法分析(树)
        3.2.2  语义角色标注
        3.2.3  语义依存分析(图)
        3.2.4  其他语义表示方法
        3.2.5  数据集
        3.2.6  相关评测
      3.3  序列标注
        3.3.1  条件随机场
        3.3.2  深度序列标注
        3.3.3  语义角色标注
      3.4  基于图的方法
        3.4.1  基于图的依存句法分析方法
        3.4.2  基于图的语义依存分析方法
      3.5  基于转移的方法
        3.5.1  基于转移的依存句法分析方法
        3.5.2  基于转移的语义依存分析方法

      3.6  句法语义分析的进展与挑战
        3.6.1  半监督学习
        3.6.2  主动学习
        3.6.3  句法数据标注现状
        3.6.4  迁移学习
      3.7  句法语义分析的应用
        3.7.1  作为抽取规则
    ……
    4 知识图谱
    5 文本分类与自动文摘
    6 情感分析
    7 信息检索与推荐的神经网络方法:前沿与挑战
    8 自动问答与机器阅读理解
    9 机器翻译
    10 深度学习在社会计算中的应用与进展
    索引