- 自然语言处理导论(高等院校智能工程系列教材)
- - 作者：编者:沈颖//丁宁//郦炀宁//李映辉|责编:刘星宁//闾洪庆
  - 出版社：机械工业
  - ISBN：9787111736257
  - 出版日期：2023/11/01
  - 页数：401
- 售价：31.6

内容大纲
    《自然语言处理导论》主要介绍自然语言处理理论与技术，旨在让更多人了解和学习自然语言处理技术，让人工智能更好地为我们服务。
    《自然语言处理导论》共16章，包括自然语言理解基础和具体任务探索两部分，主要讲述了自然语言处理文本表示、分析、挖掘、推理等方面的相关概念、方法、技术和近期研究进展；详细介绍了文本分类、情感计算、知识抽取等基础方法；全面讲述了自动文摘、问答系统、机器翻译、社会计算、内容生成和跨模态计算等具体任务；最后讨论了深度学习前沿问题。
    《自然语言处理导论》致力于帮助高等院校计算机相关专业学生牢固掌握自然语言处理的基本理论与技术，掌握如何分析文本信息、解决问题、完成相关研究的方法，以及了解自然语言处理的典型应用场景。
作者介绍
目录
前言
第1章  绪论
  1.1  基本概念
    1.1.1  语言学与语音学
    1.1.2  自然语言
    1.1.3  自然语言处理
  1.2  自然语言处理的发展历程
    1.2.1  自然语言处理的发展历史
    1.2.2  自然语言处理的研究现状
    1.2.3  自然语言处理的发展前景
  1.3  自然语言处理的基本方法
    1.3.1  理性主义方法
    1.3.2  经验主义方法
    1.3.3  对比分析
  1.4  自然语言处理的研究内容
    1.4.1  文本分类
    1.4.2  信息抽取
    1.4.3  文本摘要
    1.4.4  智能问答
第2章  语言模型
  2.1  语言模型概述
  2.2  n-gram统计语言模型
    2.2.1  何为n-gram模型
    2.2.2  n-gram语言模型评估词序列
    2.2.3  n-gram统计语言模型的应用
    2.2.4  n-gram模型中n对性能的影响
    2.2.5  n-gram模型小结
  思考题
  参考文献
第3章  神经网络和神经语言模型
  3.1  人工神经网络和神经语言模型
    3.1.1  人工神经网络
    3.1.2  神经语言模型
  3.2  卷积神经网络
    3.2.1  卷积神经网络结构
    3.2.2  卷积神经网络的文本处理
  3.3  循环神经网络
  3.4  递归神经网络
    3.4.1  递归神经网络的前向计算
    3.4.2  递归神经网络的训练方法
  思考题
  参考文献
第4章  词和语义向量
  4.1  离散分布表示
    4.1.1  独热表示法
    4.1.2  词袋表示法
  4.2  分布式表示
    4.2.1  Word2vec
    4.2.2  矩阵分解
    4.2.3  GloVe

  4.3  文本特征选择法
    4.3.1  基于文档频率的特征提取法
    4.3.2  χ2统计量
    4.3.3  信息增益法
    4.3.4  互信息法
  4.4  特征权重计算方法
    4.4.1  布尔权重
    4.4.2  绝对词频
    4.4.3  TF-IDF
  思考题
  参考文献
第5章  预训练语言模型
  5.1  Transformer
  5.2  ELMo
  5.3  GPT
  5.4  BERT
  5.5  后BERT时代
  思考题
  参考文献
第6章  序列标注
  6.1  马尔可夫模型
  6.2  条件随机场、维特比算法
    6.2.1  条件随机场的原理解析
    6.2.2  条件随机场的特性
  6.3  序列标注任务
    6.3.1  自动分词
    6.3.2  汉语自动分词中的基本问题
    6.3.3  歧义切分问题
    6.3.4  未登录词问题
  6.4  汉语分词方法
    6.4.1  基于词频度统计的分词方法
    6.4.2  N-最短路径方法
    6.4.3  基于词的n元语法模型的分词方法
    6.4.4  由字构词的汉语分词方法
    6.4.5  基于词感知机的汉语分词方法
    6.4.6  基于字的生成式模型和区分式模型相结合的汉语分词方法
    6.4.7  其他分词方法
  6.5  词性标注
    6.5.1  词性标注概述
    6.5.2  基于规则的词性标注方法
    6.5.3  基于统计模型的词性标注方法
    6.5.4  统计方法与规则方法相结合的词性标注方法
    6.5.5  词性标注的一致性检查
    6.5.6  技术评测
  6.6  命名实体识别
    6.6.1  基于条件随机场的命名实体识别方法
    6.6.2  基于多特征的命名实体识别方法
    6.6.3  基于神经网络的命名实体识别方法
  思考题
  参考文献

第7章  语义分析
  7.1  词义消歧
    7.1.1  有监督的词义消歧方法
    7.1.2  基于词典的词义消歧方法
    7.1.3  无监督的词义消歧方法
    7.1.4  词义消歧系统评价
  7.2  语义角色标注
    7.2.1  语义角色标注基本方法
    7.2.2  语义角色标注的领域适应性问题
  7.3  双语联合语义角色标注方法
    7.3.1  基本思路
    7.3.2  双语联合语义角色标注方法系统实现
  思考题
  参考文献
第8章  文本分类
  8.1  文本分类概述
  8.2  传统分类器设计
    8.2.1  朴素贝叶斯分类器
    8.2.2  基于支持向量机的分类器
    8.2.3  KNN法
    8.2.4  线性最小二乘拟合法
    8.2.5  决策树分类器
  8.3  基于神经网络方法
    8.3.1  文本分析中的循环神经网络方法
    8.3.2  文本分析中的递归神经网络方法
  8.4  文本分类性能评测
  思考题
  参考文献
第9章  情感计算
  9.1  文档或句子级情感计算方法
    9.1.1  情感词典方法
    9.1.2  基于传统机器学习的监督情感分类
    9.1.3  深度神经网络方法
  9.2  属性级情感分析
    9.2.1  意见挖掘和属性抽取
    9.2.2  针对特定目标的情感分析
    9.2.3  立场检测
  9.3  其他情感分析任务
    9.3.1  讽刺识别
    9.3.2  多模态情感分析
  思考题
  参考文献
第10章  知识抽取
  10.1  知识抽取概述
  10.2  命名实体识别
    10.2.1  命名实体识别概述
    10.2.2  基于词典及规则的方法
    10.2.3  基于机器学习的有监督方法
    10.2.4  基于深度学习的方法
  10.3  实体链接

    10.3.1  实体链接概述
    10.3.2  通用解决框架
    10.3.3  实体链接数据集
  10.4  关系抽取
    10.4.1  关系抽取概述
    10.4.2  有监督关系抽取
    10.4.3  远程监督
    10.4.4  实体关系联合抽取
    10.4.5  小样本关系抽取
    10.4.6  开放域关系抽取
  10.5  事件抽取
    10.5.1  事件抽取概述
    10.5.2  基于模式匹配的方法
    10.5.3  基于机器学习的方法
    10.5.4  基于深度学习的方法
    10.5.5  事件抽取数据集
  思考题
  参考文献
第11章  统计机器翻译和神经机器翻译
  11.1  机器翻译概述
    11.1.1  机器翻译的发展
    11.1.2  机器翻译方法
    11.1.3  机器翻译研究现状
  11.2  基于HMM的词对位模型
  11.3  基于短语的翻译模型
  11.4  基于最大熵的翻译模型
    11.4.1  对位模板与最大近似
    11.4.2  特征函数
    11.4.3  参数训练
  11.5  基于层次短语的翻译模型
    11.5.1  概述
    11.5.2  模型描述和参数训练
    11.5.3  解码方法
  11.6  树翻译模型
    11.6.1  树到串的翻译模型
    11.6.2  树到树的翻译模型
    11.6.3  串到树的翻译模型
  11.7  树模型的相关改进
  11.8  基于谓词论元结构转换的翻译模型
  11.9  集外词翻译
    11.9.1  数字和时间表示的识别与翻译
    11.9.2  普通集外词的翻译
  11.10  统计翻译系统实现
  11.11  译文质量评估方法
    11.11.1  概述
    11.11.2  技术指标
    11.11.3  相关评测
  思考题
  参考文献
第12章  问答系统与多轮对话

  12.1  引言
    12.1.1  什么是问答系统
    12.1.2  从问答到对话的扩展
  12.2  第一代：基于模板规则的问答系统
  12.3  第二代：基于信息检索的问答系统
    12.3.1  问题理解
    12.3.2  答案检索
  12.4  第三代：基于数据库的问答系统
    12.4.1  问题理解
    12.4.2  数据库的涌现
    12.4.3  FAQ问答系统
    12.4.4  特定领域问答系统（任务型）
    12.4.5  阅读理解型问答系统
  12.5  第四代：基于知识库的问答系统
    12.5.1  知识库
    12.5.2  语义分析范式
    12.5.3  信息提取范式
    12.5.4  对比信息提取范式与语义分析范式
    12.5.5  数据集
  12.6  多模态问答系统
    12.6.1  多模态任务概述
    12.6.2  视觉问答系统
    12.6.3  视频问答系统
  12.7  多轮对话系统与大语言模型
    12.7.1  多轮对话系统组成
    12.7.2  对话理解
    12.7.3  对话管理
    12.7.4  基于大语言模型的对话系统
  12.8  前景与挑战
  思考题
  参考文献
第13章  基于深度学习的社会计算
  13.1  基于深度学习的社会联系模型
    13.1.1  基于浅层嵌入的模型
    13.1.2  基于深度神经网络的模型
  13.2  基于深度学习的推荐系统
    13.2.1  社交媒体中的推荐系统
    13.2.2  基于浅层嵌入的推荐模型
    13.2.3  基于深度神经网络的推荐模型
  思考题
  参考文献
第14章  自动文摘与信息抽取
  14.1  自动文摘技术概要
  14.2  抽取式自动文摘
    14.2.1  句子重要性评估
    14.2.2  基于约束的摘要生成方法
  14.3  压缩式自动文摘
    14.3.1  句子压缩方法
    14.3.2  基于句子压缩的自动文摘
  14.4  生成式自动文摘

  14.5  基于查询的自动文摘
    14.5.1  基于语言模型的相关性计算方法
    14.5.2  基于关键词重合度的相关性计算方法
    14.5.3  基于图模型的相关性计算方法
  14.6  跨语言和多语言自动文摘
    14.6.1  跨语言自动文摘
    14.6.2  多语言自动文摘
  14.7  摘要质量评估方法和相关评测
    14.7.1  摘要质量评估方法
    14.7.2  相关评测活动
  思考题
  参考文献
第15章  内容生成和跨模态计算
  15.1  自然语言生成和图像描述
    15.1.1  自然语言生成
    15.1.2  图像中的自然语言描述示例
    15.1.3  图像描述技术
  15.2  图像描述的深度学习框架
    15.2.1  端到端框架
    15.2.2  组合框架
    15.2.3  其他框架
  15.3  评估指标和基准
  思考题
  参考文献
第16章  深度学习时代下自然语言处理的前沿研究
  16.1  组合型泛化
  16.2  自然语言处理中的无监督学习
  16.3  自然语言处理中的强化学习
  16.4  自然语言处理中的元学习
  16.5  弱可解释性与强可解释性
  思考题
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目