人工智能出版工程人工智能:语言智能处理

第1章绪论

11语言智能处理简介

12人工智能与语言智能处理

13基于神经网络的自然语言处理

14语言智能处理的应用

15本书的组织结构

第2章语言模型与知识表示

21语言模型

211概述

212n-gram语言模型

213估计

214评价指标

215数据稀疏与齐夫定律

216计数平滑方法

217神经网络语言模型

218小结

22词向量构造方法

221词向量（Word Embedding）构造方法概述

222基于全局统计信息的Word Embedding构造方法

223基于预测任务的Word Embedding构造方法

224利用外部信息的Word Embedding构造方法

225方法评价

226Word Embedding的应用

227研究展望

23知识图谱表示学习

231表示学习的基本概念

232表示学习的典型应用

233表示学习的主要优点

234表示学习的典型方法

参考文献

第3章语言分析技术

31词法分析

311概述

312自动分词

313词性标注

314分词和词性标注的联合模型

32句法分析

321概述

322句法结构分析

323依存关系分析

33篇章分析

331概述

332篇章分析相关理论及标注语料库

333篇章分析方法

34语义分析

341概述

342词汇级语义分析

343句子级语义分析

344篇章级语义分析

345基于神经网络模型的语义分析

346语义分析评测任务

347未来发展趋势

参考文献

第4章语言情感分类

41情感描述的主要方法

411情感的类别表示法

412情感的维度表示法

42情感识别模型

421文本情感计算

422语音情感计算

43当前语言情感识别的挑战

431领域依赖

432语料库的建设

433多模态融合

434细粒度情感计算

参考文献

第5章自然语言生成技术

51概述

52序列到序列模型

521基本原理和算法框架

522模型实现与注意力机制

523小结

53变分自编码器

531基本原理

532应用场景

533高级话题

54生成式对抗网络

541基本原理和算法框架

542生成式对抗网络的特点

543相关模型

544小结

55基于预训练语言模型的生成方法

551预训练语言模型

552拓展话题

553小结

56本章小结

参考文献

第6章自动问答与人机对话

61知识库问答

611基于语义解析的知识库问答

612基于神经网络的端到端知识库问答

62机器阅读理解

621任务介绍

622机器阅读理解系统框架

623机器阅读理解系统的核心组件

624代表性机器阅读理解模型

625总结与展望

63人机对话系统

631面向任务型的对话系统

632面向非任务型的聊天系统

64总结与未来的挑战

参考文献

第7章机器翻译

71概况

711任务的定义与研究的意义

712发展的历史

72神经机器翻译

721核心模型

722关键技术

73数据与评测

731数据集

732技术评测

74开源工具

741统计机器翻译开源工具

742神经机器翻译开源工具

75总结与展望

参考文献

第8章信息检索与信息推荐

81概述

811信息检索的概念与发展

812信息推荐的概念与发展

813信息检索和信息推荐的联系和区别

82信息检索与信息推荐的相关技术

821信息检索部分前沿技术

822信息推荐部分前沿技术

823信息检索与信息推荐领域的相关资源

83相关技术的产业应用

831典型的应用产品

832信息检索技术的应用情况

833信息推荐技术的应用情况

84发展趋势

参考文献