Нейросетевые методы в обработке естественного языка
Гольдберг Йоав
Код товара: 3708439
(0 оценок)Оценить
ОтзывНаписать отзыв
ВопросЗадать вопрос
1 / 2
PDF
Издательство:
Оригинальное название:
Neural Network Methods for Natural Language Processing
Описание
Характеристики
Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing – NLP).
В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается также абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек.
Во второй части вводятся более специализированные нейросетевые архитектуры, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Эти архитектуры и методы – движущая сила современных алгоритмов машинного перевода, синтаксического анализа и многих других приложений. Наконец, обсуждаются древовидные сети, структурное предсказание и перспективы многозадачного обучения.
Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей.
В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается также абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек.
Во второй части вводятся более специализированные нейросетевые архитектуры, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Эти архитектуры и методы – движущая сила современных алгоритмов машинного перевода, синтаксического анализа и многих других приложений. Наконец, обсуждаются древовидные сети, структурное предсказание и перспективы многозадачного обучения.
Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей.
Содержание
Об авторе
Предисловие
Благодарности
Предисловие от издательства
Глава 1. Введение
Часть I. КЛАССИФИКАЦИЯ С УЧИТЕЛЕМ И
НЕЙРОННЫЕ СЕТИ ПРЯМОГО РАСПРОСТРАНЕНИЯ
Глава 2. Основы обучения и линейные модели
Глава 3. От линейных моделей к многослойным
перцептронам
Глава 4. Нейронные сети прямого распространения
Глава 5. Обучение нейронной сети
Часть II. РАБОТА С ДАННЫМИ ЕСТЕСТВЕННОГО
ЯЗЫКА
Глава 6. Признаки для текстовых данных
Глава 7. Примеры признаков в NLP
Глава 8. От текстовых признаков к входным
данным
Глава 9. Языковое моделирование
Глава 10. Предобученные представления слов
Глава 11. Использование погружений слов
Глава 12. Пример: применение архитектуры
прямого распространения для вывода смысла
предложения
Часть III. СПЕЦИАЛИЗИРОВАННЫЕ АРХИТЕКТУРЫ
Глава 13. Детекторы n-грамм: сверточные
нейронные сети
Глава 14. Рекуррентные нейронные сети:
последовательности и стеки
Глава 15. Конкретные архитектуры рекуррентных
нейронных сетей
Глава 16. Моделирование с помощью
рекуррентных сетей
Глава 17. Условная генерация
Часть IV. ДОПОЛНИТЕЛЬНЫЕ ТЕМЫ
Глава 18. Моделирование деревьев с помощью
рекурсивных нейронных сетей
Глава 19. Предсказание структурного выхода
Глава 20. Обучение каскадное, многозадачное и с
частичным привлечением учителя
Глава 21. Заключение
Список литературы
Предисловие
Благодарности
Предисловие от издательства
Глава 1. Введение
Часть I. КЛАССИФИКАЦИЯ С УЧИТЕЛЕМ И
НЕЙРОННЫЕ СЕТИ ПРЯМОГО РАСПРОСТРАНЕНИЯ
Глава 2. Основы обучения и линейные модели
Глава 3. От линейных моделей к многослойным
перцептронам
Глава 4. Нейронные сети прямого распространения
Глава 5. Обучение нейронной сети
Часть II. РАБОТА С ДАННЫМИ ЕСТЕСТВЕННОГО
ЯЗЫКА
Глава 6. Признаки для текстовых данных
Глава 7. Примеры признаков в NLP
Глава 8. От текстовых признаков к входным
данным
Глава 9. Языковое моделирование
Глава 10. Предобученные представления слов
Глава 11. Использование погружений слов
Глава 12. Пример: применение архитектуры
прямого распространения для вывода смысла
предложения
Часть III. СПЕЦИАЛИЗИРОВАННЫЕ АРХИТЕКТУРЫ
Глава 13. Детекторы n-грамм: сверточные
нейронные сети
Глава 14. Рекуррентные нейронные сети:
последовательности и стеки
Глава 15. Конкретные архитектуры рекуррентных
нейронных сетей
Глава 16. Моделирование с помощью
рекуррентных сетей
Глава 17. Условная генерация
Часть IV. ДОПОЛНИТЕЛЬНЫЕ ТЕМЫ
Глава 18. Моделирование деревьев с помощью
рекурсивных нейронных сетей
Глава 19. Предсказание структурного выхода
Глава 20. Обучение каскадное, многозадачное и с
частичным привлечением учителя
Глава 21. Заключение
Список литературы
Отзывы
Вопросы
Поделитесь своим мнением об этом товаре с другими покупателями — будьте первыми!
Дарим бонусы за отзывы!
За какие отзывы можно получить бонусы?
- За уникальные, информативные отзывы, прошедшие модерацию
Как получить больше бонусов за отзыв?
- Публикуйте фото или видео к отзыву
- Пишите отзывы на товары с меткой "Бонусы за отзыв"
Задайте вопрос, чтобы узнать больше о товаре
Если вы обнаружили ошибку в описании товара «Нейросетевые методы в обработке естественного языка» (авторы: Гольдберг Йоав), то выделите её мышкой и нажмите Ctrl+Enter. Спасибо, что помогаете нам стать лучше!