计算机 类型
可以朗读 语音朗读
92千字 字数
2022-09-01 发行日期
展开全部

主编推荐语

本书以机器阅读理解任务为例，介绍了文本语义向量化表示在自然语言处理领域的实际应用。

内容简介

文本语义向量化表示是指将自然语言编码为计算机可处理的、蕴含语义特征的向量的过程。在人工智能领域中，语义表示学习是实现机器理解自然语言的第一步，是机器处理文本数据和完成各种自然语言处理任务的基础，其性能的优劣直接影响下游任务的效果。因此，语义表示学习具有重要的研究意义和实用价值。

本文梳理了文本语义向量化表示的基础理论，详细介绍了分布式表示方式、融合知识表示方法、任务导向的表示方法和预训练语言模型等典型方法。最后本文对文本语言向量化表示进行了总结和未来研究方向展望。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 基本定义及问题描述
  • 第2章 语义表示学习的基础信息
  • 2.1 发展历史
  • 2.2 实际应用
  • 第3章 分布式表示方法
  • 3.1 概述
  • 3.2 基于矩阵分解的方法
  • 3.3 基于神经网络的方法
  • 3.4 方法总结与对比
  • 第4章 预训练语言模型
  • 4.1 ELMo模型
  • 4.2 GPT模型
  • 4.3 BERT模型
  • 4.4 RoBERTa模型
  • 4.5 XLNet模型
  • 4.6 方法总结与对比
  • 第5章 增强关联模式的语义表示方法
  • 5.1 引言
  • 5.2 相关工作
  • 5.3 预备知识
  • 5.3.1 基于上下文信息的语义表示模型
  • 5.3.2 关联模式挖掘
  • 5.4 增强关联模式的语义表示模型
  • 5.4.1 基于CBOW的APWE模型
  • 5.4.2 基于Skip-gram的APWE模型
  • 5.5 实验
  • 5.5.1 对比方法
  • 5.5.2 实验Ⅰ：文本分类
  • 5.5.3 实验Ⅱ：查询词扩展
  • 5.5.4 参数分析
  • 5.5.5 实例分析
  • 5.6 本章小结
  • 第6章 基于知识的语义向量化表示
  • 6.1 引言
  • 6.2 相关工作
  • 6.2.1 知识库表示
  • 6.2.2 知识与文本联合表示
  • 6.3 基于语义结构的语义表示模型
  • 6.3.1 语义结构定义
  • 6.3.2 SENSE模型
  • 6.4 实验
  • 6.4.1 对比方法
  • 6.4.2 参数设置
  • 6.4.3 任务Ⅰ：词相似度测量
  • 6.4.4 任务Ⅱ：词类比推理
  • 6.4.5 任务Ⅲ：文本分类
  • 6.4.6 任务Ⅳ：查询词扩展
  • 6.5 本章小结
  • 第7章 文本分类中任务导向的语义表示方法
  • 7.1 引言
  • 7.2 相关工作
  • 7.3 任务导向的语义表示模型
  • 7.3.1 语义特征表示
  • 7.3.2 任务特征表示
  • 7.3.3 联合表示模型及优化
  • 7.4 实验
  • 7.4.1 数据集
  • 7.4.2 对比方法
  • 7.4.3 实验参数设置
  • 7.4.4 整体评测效果
  • 7.5 实例分析
  • 7.6 本章小结
  • 第8章 文本语义向量化表示在机器阅读理解任务中的应用
  • 8.1 引言
  • 8.2 机器阅读理解
  • 8.3 机器阅读理解基础方法
  • 8.4 多粒度语义匹配的MGRC模型
  • 8.4.1 多粒度语义表示
  • 8.4.2 多粒度语义匹配
  • 8.4.3 联合模型及其优化
  • 8.5 实验
  • 8.5.1 数据集
  • 8.5.2 评测指标及对比方法
  • 8.5.3 整体性能评测
  • 8.5.4 参数分析
  • 8.5.5 模块有效性验证
  • 8.5.6 实例分析
  • 8.6 本章小结
  • 第9章 总结与展望
  • 9.1 本书总结
  • 9.2 未来研究方向展望
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。