×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
深度学习预训练语言模型 案例篇 中文金融文本情绪分类研究

深度学习预训练语言模型 案例篇 中文金融文本情绪分类研究

1星价 ¥52.4 (7.5折)
2星价¥52.4 定价¥69.9
暂无评论
图文详情
  • ISBN:9787302607465
  • 装帧:70g胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:164
  • 出版时间:2022-08-01
  • 条形码:9787302607465 ; 978-7-302-60746-5

本书特色

通过18个视角的预训练语言模型演进过程的思维导图展示和1000多个预训练语言模型的全方位归纳总结,带领读者深入了解金融领域知识增强大模型的应用实战全过程,助力金融科技新基建产业化落地,帮助金融从业者加快推进金融行业数字化转型。 人工智能与金融科技前沿技术相结合,配有微课视频、源代码等

内容简介

   本书在全面概述预训练语言模型演进过程并对BERTology模型详尽综述的基础上,将深度学习预训练模型理论和金融行业实践相结合,介绍了深度学习预训练模型在人工智能产业、金融行业、金融科技领域的实战项目案例,专注于金融文本情绪分类典型应用场景,揭示出特定领域预训练模型潜在的一般规律。全书共分7章,分别为:预训练模型与金融文本情绪分类任务、预训练语言模型关键技术、面向中文金融文本情绪分类的预训练模型对比、FinWoBERT:中文金融领域增强预训练模型、GAN-FinWoBERT:对抗训练的中文金融预训练模型、FinWoBERT+ConvLSTM:基于投资者情绪权重的科创50指数预测、总结与展望,每章内容随项目实践的深入层层递进、逐步展开。
本书适合自然语言处理、金融科技领域的研究人员和技术人员,高等学校或培训机构教师和学生以及有意了解相关领域的学习者和爱好者阅读。

目录

第1章 预训练模型与金融文本情绪分类任务 1.1 金融文本情绪分类任务的挑战 1.2 发展现状与任务意义 1.2.1 预训练模型发展现状 1.2.2 金融文本情绪分类任务意义 1.3 情绪分类 1.3.1 文本情绪分类 1.3.2 金融文本情绪分类 1.3.3 基于非预训练模型情绪分类的证券市场分析 1.4 预训练语言模型 1.4.1 预训练语言模型的演进 1.4.2 基于BERTology扩展的预训练模型 1.5 基于预训练模型的金融文本情绪分类任务 1.5.1 金融文本情绪分类预训练模型 1.5.2 基于预训练模型情绪分类的证券市场分析 第2章 预训练语言模型关键技术 2.1 预训练方法 2.2 上下文感知的语言表征学习 2.3 高效的特征提取器 2.3.1 神经注意力机制 2.3.2 序列到序列的注意力模型 2.3.3 变换器模型 2.3.4 “X-former”改进模型 2.4 自监督学习 2.5 迁移学习技巧方法 2.6 BERT预训练语言模型 小结 第3章 面向中文金融文本情绪分类的预训练模型对比 3.1 模型对比目的 3.2 项目技术原理 3.3 对比实现方法 3.4 标准流程步骤 3.5 自建(评测)标注语料库 3.6 数据集划分 3.7 描述统计分析 3.7.1 语料库统计量描述 3.7.2 训练集和测试集统计量描述 3.7.3 统计分析 3.8 对比模型 3.9 模型实现 3.10 运行环境 3.11 模型加载 3.12 微调策略 3.12.1 情绪分类任务微调 3.12.2 分类器超参数调试 3.13 数据预处理 3.13.1 数据读取、转换和清洗 3.13.2 分词、填充和其他 3.14 评估指标 3.14.1 混淆矩阵
展开全部

作者简介

康明,蒙纳士大学(Monash University)、中国社会科学院大学博士,北京大学金融学专业经济学硕士,中国人民大学概率论与数理统计专业理学硕士、通信工程专业工学学士,计算机技术与软件高级工程师、统计师、经济师,具备基金、证券、保险从业资格,拥有计算机科学与信息技术、数学(统计学)以及经济学(金融学)交叉学科背景,是兼具科技创新、金融市场和医学信息综合素质能力的复合型、应用型专业技术人员。在计算机、统计学、经济学的核心期刊及国际会议发表论文数篇。目前从事金融和医疗领域人工智能、区块链、大数据的科研和研发工作。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航