自然語言處理入門 - 城邦阅读花园


	自然語言處理的目標是使計算機能夠像人類一樣理解語言。近年來，自然語言處理作為一門學科發展迅速，得到了越來越廣泛的應用。本書從基本概念出發，對自然語言基礎任務進行介紹，首先介紹自然語言處理基礎的詞法、句子以及篇章級任務：中文分詞、命名實體識別、關係抽取、詞向量技術、關鍵字提取和文本分類，然後介紹近年來廣泛應用的知識圖譜、機器閱讀理解、自動文摘、文本生成、對話系統等內容以期讀者能夠對自然語言處理各個部分的研究內容和技術手段有更加深入的理解。本書可作為高等院校相關專業本科生及研究生對於自然語言處理領域學習的入門教材。



	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1章中文分詞 1.1中文分詞中的基本問題 1.1.1中文分詞規範問題 1.1.2歧義切分問題 1.1.3未登錄詞識別問題 1.2基於詞表的分詞演算法 1.2.1正向優選匹配演算法 1.2.2逆向優選匹配演算法 1.2.3雙向優選匹配演算法 1.3基於統計模型的分詞演算法 1.4基於序列標注的分詞演算法 1.4.1基於HMM的分詞方法 1.4.2基於CRF的分詞方法 1.4.3基於Bi-LSTM-CRF的中文分詞方法參考文獻第2章命名實體識別 2.1基於CRF的命名實體識別 2.1.1CRF基本概念 2.1.2命名實體識別任務 2.2基於Bi-LSTM-CRF的命名實體識別 2.2.1RNN 2.2.2LSTM網路 2.2.3雙向LSTM網路 2.2.4Bi-LSTM-CRF 2.3注意力機制參考文獻第3章關係抽取 3.1實體關係抽取定義 3.2實體關係抽取框架 3.3評測方法 3.4有監督實體關係抽取方法 3.5半監督實體關係抽取方法 3.6遠端監督實體關係抽取方法參考文獻第4章詞向量技術 4.1One-Hot詞向量技術 4.2Word2Vec詞向量技術 4.2.1CBOW模型 4.2.2Skip-Gram模型 4.2.3優化方法 4.3BERT詞向量嵌入 4.3.1注意力機制 4.3.2Transformer 4.3.3BERT 4.3.4基於BERT的衍生模型參考文獻第5章關鍵字提取 5.1TextRank關鍵字提取演算法 5.1.1基於圖的排序演算法 5.1.2基於圖的排序演算法的拓展運用 5.1.3基於圖的排序演算法在關鍵字提取中的運用 5.1.4TextRank演算法 5.2TF-IDF關鍵字提取演算法 5.3LDA與PLSA關鍵字提取演算法 5.3.1相關基礎知識 5.3.2PLSA模型 5.3.3LDA模型參考文獻第6章文本分類 6.1文本分類概述 6.2文本表示 6.2.1離散式表示 6.2.2分散式表示 6.3文本特徵提取 6.3.1基於DF的特徵提取法 6.3.2信息增益法 6.3.3χ2統計量 6.3.4互信息法 6.4特徵權重計算方法 6.5分類器構建 6.5.1樸素貝葉斯分類器 6.5.2SVM分類器 6.5.3基於神經網路的分類器 6.6文本分類評價指標參考文獻第7章知識圖譜 7.1知識圖譜概述 7.1.1知識圖譜的介紹 7.1.2知識圖譜基本概念 7.1.3知識表示與存儲 7.2知識圖譜構建 7.2.1知識抽取 7.2.2知識融合 7.2.3知識加工 7.2.4知識更新 7.3知識圖譜補全 7.3.1知識圖譜補全簡介 7.3.2表示學習的相關理論 7.3.3知識圖譜補全（表示學習） 7.4知識圖譜應用 7.4.1通用和領域知識圖譜 7.4.2語義集成 7.4.3語義搜索 7.4.4基於知識的問答參考文獻第8章機器閱讀理解 8.1機器閱讀理解概述 8.1.1機器閱讀理解任務 8.1.2機器閱讀理解發展 8.2數據集以及測評方式 8.2.1數據集 8.2.2測評方式 8.3模型 8.3.1模型架構 8.3.2預訓練模型 8.4應用以及未來 8.4.1智能客服 8.4.2搜尋引擎 8.4.3教育 8.4.4機器閱讀理解面臨的挑戰參考文獻第9章自動文摘和文本生成 9.1自動文摘概述 9.1.1自動文摘任務 9.1.2自動文摘發展及分類 9.2生成式摘要 9.2.1問題與方法 9.2.2文摘評測 9.3自動文本生成 9.3.1自動文本生成概述 9.3.2基於主題的文本生成 9.3.3自動文本生成技術評測參考文獻第10章對話系統 10.1問題理解 10.1.1意圖識別 10.1.2槽填充 10.2對話狀態管理 10.2.1對話狀態跟蹤 10.2.2對話策略 10.3答句生成參考文獻