2857次浏览
《大数据智能——互联网时代的机器学习和自然语言处理技术》是一本介绍大数据智能分析的科普书籍，旨在让更多的人了解和学习互联网时代的机器学习和自然语言处理技术，以期让大数据技术更好地为我们的生产和生活服务。《大数据智能——互联网时代的机器学习和自然语言处理技术》包括大数据智能基础和大数据智能应用两个部分，共8 章。大数据智能基础部分有三章：第1 章以深度学习为例介绍大数据智能的计算框架；第2 章以知识图谱为例介绍大数据智能的知识库；第3 章介绍大数据的计算处理系统。大数据智能应用部分有5 章：第4 章介绍智能问答，第5 章介绍主题模型，第6 章介绍个性化推荐，第7 章介绍情感分析与意见挖掘，第8 章介绍面向社会媒体内容的分析与应用。最后在《大数据智能——互联网时代的机器学习和自然语言处理技术》的后记部分为读者追踪大数据智能的最新学术材料提供了建议。《大数据智能——互联网时代的机器学习和自然语言处理技术》适合作为高等院校计算机相关专业的研究生学习参考资料，也适合电脑爱好者阅读。作者特别希望本书能够帮助所有愿意对大数据技术有所了解，以及想要将大数据技术应用于本职工作的读者。第1 章 深度学习—
2707次浏览
本书结合作者多年学习和从事自然语言处理相关工作的经验，力图用生动形象的方式深入浅出地介绍自然语言处理的理论、方法和技术。本书抛弃掉繁琐的证明，提取出算法的核心，帮助读者尽快地掌握自然语言处理所必备的知识和技能。本书主要分两大部分。第一部分是理论篇，包含前3章内容，主要介绍一些基础的数学知识、优化理论知识和一些机器学习的相关知识。第二部分是应用篇，包含第4章到第8章，分别针对计算性能、文本处理的术语、相似度计算、搜索引擎、推荐系统、自然语言处理和对话系统等主题展开介绍和讨论。本书适合从事自然语言处理相关研究和工作的读者参考，尤其适合想要了解和掌握机器学习或者自然语言处理技术的读者阅读。理 论 篇 第1章 你必须知道的一些基础知识………………………………………3 1.1 概率论 ……………………………………………………………3 1.2 信息论 ……………………………………………………………4 1.3 贝叶斯法则 ………………………………………………………7 1.4 问题与思考 ………………………………………………………10 第2章 我们生活在一个寻求最优解的世界里……………………………11
3679次浏览
本书重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识，如何将机器学习方法应用在自然语言处理中，以及词向量表示（而不是符号表示）的应用。然后介绍更多专门的神经网络结构，包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。后，讨论树形网络、结构化预测以及多任务学习的前景。目录 前言 致谢 第1章引言 1.1自然语言处理的挑战 1.2神经网络和深度学习 1.3自然语言处理中的深度学习 1.4本书的覆盖面和组织结构 1.5本书未覆盖的内容 1.6术语 1.7数学符号 注释 部分有监督分类与前馈神经网络 第2章学习基础与线性模型 2.1有监督学习和参数化函数 2.2训练集、测试集和验证集 2.3线性模型 2.3.1二分类 2.3.2对数线性二分类 2.3.3多分类 2.4表示 2.5独热和稠密向量表示 2.6对数线性多分类 2.7训练和优化 2.7.1损失函数 2.7.2正则化 2.8基于梯度的优化 2.8.1随机梯度下降 2.8.2实例 2.8.3其他训练方法 第3章从线性模型到多层感知器 3.1线性模型的局限性：异或问题 3.2非
4266次浏览
自然语言处理是计算语言学和人工智能之中与人机交互相关的领域之一。本书是学习自然语言处理的一本综合学习指南，介绍了如何用Python实现各种NLP任务，以帮助读者创建基于真实生活应用的项目。全书共10章，分别涉及字符串操作、统计语言建模、形态学、词性标注、语法解析、语义分析、情感分析、信息检索、语篇分析和NLP系统评估等主题。本书适合熟悉Python语言并对自然语言处理开发有一定了解和兴趣的读者阅读参考。第1章字符串操作1 1.1切分1 1.1.1将文本切分为语句2 1.1.2其他语言文本的切分2 1.1.3将句子切分为单词3 1.1.4使用TreebankWordTokenizer执行切分4 1.1.5使用正则表达式实现切分5 1.2标准化8 1.2.1消除标点符号8 1.2.2文本的大小写转换9 1.2.3处理停止词9 1.2.4计算英语中的停止词10 1.3替换和校正标识符11 1.3.1使用正则表达式替换单词11 1.3.2用另一个文本替换文本的示例12 1.3.3在执行切分前先执行替换操作12 1.3.4处理重复字符13 1.3.5去除重复字符的示例13 1.3.6用单词的同义
