包邮深度学习与短文本信息挖掘

目录前言致谢第1章深度学习11.1深度学习简介11.2深度学习经典模型31.2.1卷积神经网络31.2.2循环神经网络41.2.3注意力模型51.2.4胶囊网络61.2.5迁移学习与多任务学习71.2.6对抗学习及生成对抗网络.81.2.7主动学习9思考题.10第2章短文本信息挖掘112.1短文本信息挖掘简介112.2关系抽取简介.122.2.1关系抽取定义132.2.2神经关系抽取142.2.3远程监督的关系抽取152.2.4关系抽取前沿162.2.5研究意义及挑战172.3弹幕评论挖掘简介192.3.1基于无监督学习的文本分析方法.212.3.2基于神经网络监督学习的文本分析方法252.4研究内容及结构272.4.1关系抽取272.4.2弹幕评论挖掘29思考题.31第3章相关工作323.1关系抽取研究.323.1.1监督学习323.1.2远程监督353.2弹幕评论挖掘研究373.2.1基于评论挖掘的关键词抽取方法.373.2.2基于评论挖掘的推荐系统383.2.3基于评论挖掘的剧透检测方法.38思考题.39第4章关系抽取模型的精度提升404.1概述404.2多标签关系抽取404.3基于注意力的胶囊网络模型424.3.1特征提取层——Bi-LSTM网络434.3.2特征聚集层——基于注意力的胶囊网络.444.3.3关系预测层——基于滑动窗口的损失函数464.4实验474.4.1数据集474.4.2实验设置474.4.3实验效果494.4.4案例分析524.5本章小结53思考题.53第5章关系抽取模型的效率优化555.1概述555.2神经关系抽取模型的效率陷阱555.3基于句内问答的关系抽取模型575.3.1网络结构585.3.2复杂度分析615.4实验635.4.1数据集635.4.2实验设置