包邮大数据技术科普1——大数据技术与应用

绪论… 0.1文本自动整编相关技术及研究现状· 0.1.1文本整编关联的研究方向 0.1.2文本整编关联的关键技术 0.2本书主要内容安排… 参考文献… 上篇抽取式文本自动整编 第1章面向信息检索的抽取式多文档摘要技术架构 1.1 研究思路及技术架构 1.1.1研究思路 1.1.2技术架构 本章小结 第2章基于多示例框架的深度关联匹配 2.1问题分析 2.2多示例深度关联匹配模型 2.2.1模型架构 2.2.2句子级关联匹配 2.2.3深度关联匹配 2.2.4损失函数 2.3实验结果与分析 2.3.1 实验数据及评价方法… 2.3.2基准模型 2.3.3实验设置 2.3.4结果分析 2.3.5.消融实验 本章小结… 参考文献· 第3章基于多粒度语义交互的抽取式多文档摘要 3.1问题分析· 3.2-Hierarchical Transformer概述 3.2.1局部Transformer层 3.2.2 全局Transformer层 3.3多粒度语义交互抽取式多文档摘要模型 3.3.1模型架构 3.3.2多粒度编码器 3.3.3 MMR模块 3.4实验结果与分析 3.4.1实验数据及评价方法 3.4.2基准模型 3.4.3实验设置 3.4.4结果分析 本章小结 参考文献 第4章基于层次注意力和指针机制的句子排序 4.1 问题分析 4.2基于层次注意力和指针机制的句子排序模型 4.2.1 模型架构· 4.2.2层次编码器 4.2.3指针网络解码器 4.3 实验结果与分析 4.3.1实验数据及评价方法 4.3.2基准模型 4.3.3实验设置 4.3.4结果分析· 本章小结… 参考文献… 下篇生成式文本自动整编 第5章生成式文本自动整编技术架构… 5.1生成式某领域内文本自动整编研究思路 5.2.生成式某领城内文本自动整编技术架构 5.3主要研究内容 5.3.1海量文档信息的编码表示学习 5.3.2基于内容相似度的文档聚类 5.3.3基于多文档的可控文本生成 本章小结… 第6章基于预训练和深度哈希的文本表示学习 6.1问题提出 6.2文本表示学习方法TRL-PL.M&DH概述… 6.3文本表示学习方法TRL-PLM&.DH应用实证 6.3.1短文本检索 6.3.2文本语义相似度匹配 6.3.3文本释义 6.4实验结果与分析 6.4.1实验环境 6.4.2参数设置 6.4.3结果分析 本章小结… 参考文献… 第7章基于两阶段半监督训练的长文本聚类 7.1问题提出 7.2 DEC-Transformer 算体设计 7.2.1 DEC-Transformer 算法概述 7.2.2基于预训练Transformer的模型参数初始化 7.3 DEC-Transformer算法两阶段训练策略 7.3.1阶段参数约束训练 7.3.2阶段自监督训练 7.4实验结果与分析 7.4.1数据集… 7.4.2评测指标 7.4.3实验实施 本章小结 参考文献 第8章基于语句融合及自监督训练的文本摘要生成 8.1问题提出· 8.2语句融合及自监督训练方法 8.2.1语句融合与PoC 8.2.2预训练语言模型与自监督训练· 8.2.3生成式文本自动摘要主流方法 8.3 Cohesion-based文本生成模型“ 8.3.1训练数据及预处理· 8.3.2 自监督Cohesion-permutation 语言模型训练任务 8.3.3基于语句融合掩码的微调训练 8.4实验设计与结果分析 8.4.1实验数据及评价指标 8.4.2模型参数设置 8.4.3实验结果与分析 本章小结 参考文献 第9结与展望 ;