自然语言处理应用与实战

1星价 ¥71.4 (7.0折)

2星价￥71.4 定价￥102.0

作者：韩少云等

出版社：电子工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 计算机理论

暂无评论

图文详情

ISBN：9787121450174
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：其他
页数：284
出版时间：2023-03-01
条形码：9787121450174 ; 978-7-121-45017-4

本书特色

创新性的人工智能学习体系，让学习更加高效；实操实练+配书赠送一流讲师讲解的丰富视频课程(300分钟+)，让你更快掌握职业技能市面上讲解人工智能的书比较多，但要么是偏重理论的讲解，要么是非常深涩的代码，对于计算机基础较差的学员来说，学习成本很高或者学了无益，付出了大量时间，但达不到岗位要求。“人工智能应用与实践系列”图书开创性地使用了新的教学方法，通过大量由浅入深、环环相扣的实践案例，能够帮助学员迅速理解人工智能的应用，快速掌握工作技能。此外本书还配有超值的300分钟以上的视频课程，帮助基础稍弱或者0基础的学员迅速提升。

内容简介

本书系统介绍了自然语言处理及深度学习，并结合实际应用场景和综合案例，深入浅出地讲解自然语言处理领域的相关知识。全书共 15 章，分为 4 个部分。第 1 部分是自然语言处理基础，首先介绍自然语言处理的相关概念和基本技能，然后介绍词向量技术和实现方法，*后介绍关键词提取技术。第 2 部分是自然语言处理核心技术，分别介绍朴素贝叶斯算法、N-gram 语言模型、PyTorch 深度学习框架、FastText 模型文本分类和基于深度学习的文本分类。第 3 部分是序列标注，介绍序列标注的具体应用，如 HMM 词性标注和 HMM 命名实体识别等常见的自然语言处理应用场景。第 4 部分是预训练模型，它在很大程度上促进了自然语言处理的发展，这部分内容关注预训练模型的具体应用，如 ALBERT 的命名实体识别、Transformer 的文本分类、BERT的文本相似度计算、ERNIE 的情感分析等。本书适合对人工智能、机器学习、深度学习和自然语言处理感兴趣的读者阅读，也可以作为应用型本科院校和高等职业院校人工智能相关专业的教材。

目录第 1 部分自然语言处理基础第 1 章绪论 2 1.1 自然语言处理综述 3 1.1.1 自然语言处理的基本概念 3 1.1.2 自然语言处理的发展历程 4 1.1.3 自然语言处理的研究内容 5 1.1.4 自然语言处理的挑战与发展趋势 7 1.2 文本处理技能 9 1.2.1 字符串处理 9 1.2.2 中文分词及案例实现 11 1.3 文本数据处理 13 1.3.1 文本操作基础 13 1.3.2 案例实现――文本数据统计 15 1.3.3 案例实现――词云生成 17 本章总结 19 作业与练习 19 第 2 章词向量技术 21 2.1 词向量概述 22 2.1.1 词向量基础 22 2.1.2 词向量表示的问题 22 2.2 词向量离散表示 23 2.2.1 独热编码 23 2.2.2 词袋模型 24 2.2.3 词频-逆文本频率 25 2.2.4 案例实现――文本离散表示 25 2.3 词向量分布表示 29 2.3.1 神经网络语言模型 29 2.3.2 Word2vec 模型 31 2.3.3 案例实现――中文词向量训练 33 本章总结 39 作业与练习 39 第 3 章关键词提取 41 3.1 关键词提取概述 42 3.1.1 关键词提取基础 42 3.1.2 基于 TF-IDF 的关键词提取 42 3.1.3 基于 TextRank 的关键词提取 43 3.1.4 基于 Word2vec 词聚类的关键词提取 43 3.2 关键词提取的实现 44 3.2.1 案例介绍 44 3.2.2 案例实现――关键词提取综合案例 45 本章总结 57 作业与练习 57 第 2 部分自然语言处理核心技术第 4 章朴素贝叶斯中文分类 60 4.1 朴素贝叶斯分类算法概述 60 4.1.1 概率基础 60 4.1.2 朴素贝叶斯分类器 62 4.2 机器学习库 sklearn 64 4.2.1 sklearn 获取数据 64 4.2.2 sklearn 数据预处理 64 4.2.3 sklearn 构建模型 65 4.3 案例实现――朴素贝叶斯中文分类 65 本章总结 71 作业与练习 72 第 5 章 N-gram 语言模型 73 5.1 N-gram 概述 73 5.1.1 N-gram 语言模型简介 73 5.1.2 N-gram 概率计算 ……

展开全部