自然语言处理被誉为“人工智能皇冠上的明珠”。近年来,以BERT、GPT 为代表的大规模预训练语言模型异军突起,使问答、检索、摘要、阅读理解等自然语言处理任务性能都得到了显著提升。
《[自然语言处理:基于预训练模型的方法]》一书深入浅出地阐述了预训练语言模型技术,全面深入地分析了它的发展方向,非常适合人工智能和自然语言处理领域的学习者和从事研发的人士阅读。读者可在较短的时间内了解和掌握其关键技术并快速上手。
内容简介
本书内容分为三部分:基础知识、预训练词向量和预训练模型。
第1部分:基础知识。包括第2~4 章,主要介绍自然语言处理和深度学习的基础知识、基本工具集和常用数据集。
第2部分:预训练词向量。包括第5、6 章,主要介绍静态词向量和动态词向量两种词向量的预训练方法及应用。
第3部分:预训练模型。包括第7~9 章,首先介绍几种典型的预训练语言模型及应用,其次介绍目前预训练语言模型的最新进展及融入更多模态的预训练模型。
适读人群:
本书既适合具有一定机器学习基础的高等院校学生、研究机构的研究者,以及希望深入研究自然语言处理算法的计算机工程师阅读,也适合对人工智能、深度学习和自然语言处理感兴趣的学生和希望进入人工智能应用领域的研究者参考。
这本《自然语言处理:基于预训练模型的方法》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
PDF书籍: 完整版本链接获取
👉[CSDN大礼包🎁:《
自然语言处理:基于预训练模型的方法
》免费分享(安全链接,放心点击)]👈
书籍目录:
第1 章绪论1
1.1 自然语言处理的概念 2
1.2 自然语言处理的难点2
1.3 自然语言处理任务体系.4
1.4 自然语言处理技术发展历史7
第2 章自然语言处理基础11
2.1 文本的表示.12
2.2 自然语言处理任务20
2.3 基本问题35
2.4 评价指标40
2.5 小结43
第3 章基础工具集与常用数据集45
3.1 NLTK 工具集46
3.2 LTP 工具集51
3.3 PyTorch 基础52
3.4 大规模预训练数据61
3.5 更多数据集.66
3.6 小结68
第4 章自然语言处理中的神经网络基础69
4.1 多层感知器模型70
4.2 卷积神经网络78
4.3 循环神经网络83
4.4 注意力模型.89
4.5 神经网络模型的训练96
4.6 情感分类实战101
4.7 词性标注实战113
4.8 小结116
第5 章静态词向量预训练模型119
5.1 神经网络语言模型120
5.2 Word2vec 词向量130
5.3 GloVe 词向量140
5.4 评价与应用.143
5.5 小结148
第6 章动态词向量预训练模型151
6.1 词向量——从静态到动态152
6.2 基于语言模型的动态词向量预训练153
6.3 小结171 ##第7 章预训练语言模型173
7.1 概述174
7.2 GPT 177
7.3 BERT 182
7.4 预训练语言模型的应用194
7.5 深入理解BERT .211
7.6 小结.215
第8 章预训练语言模型进阶217
8.1 模型优化.218
8.2 长文本处理.234
8.3 模型蒸馏与压缩244
8.4 生成模型257
8.5 小结.267
第9 章多模态融合的预训练模型269
9.1 多语言融合.270
9.2 多媒体融合.274
9.3 异构知识融合276
9.4 更多模态的预训练模型285
9.5 小结.285
参考文献287
术语表297
这本《自然语言处理:基于预训练模型的方法》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
PDF书籍: 完整版本链接获取
👉[CSDN大礼包🎁:《
自然语言处理:基于预训练模型的方法
》免费分享(安全链接,放心点击)]👈