Обработка естественного языка на основе Pytorch (США) Delipp & Middot; Laao, (США) Brian & Middot; Mermian Liu Yanjun и другие программы перевода Дизайн (новые) Профессиональные технологии Синьхуа

Цена: 872руб. (¥41.26)

Артикул: 624171549519

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара

<p><img class="desc_anchor" id="desc-module-1" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><div style="width: 790.0px;margin: auto;"><table width="0" border="0" cellspacing="0" cellpadding="0"><tr><td><table width="0" border="0" cellspacing="0" cellpadding="0"><tr><td><a href="https://meidian.play.m.jaeapp.com/?iid=497668&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i3/2987540729/TB2Cd0BhStkpuFjy0FhXXXQzFXa_!!2987540729.jpg" border="0"></a></td><td><table width="0" border="0" cellspacing="0" cellpadding="0"><tr><td><a href="https://meidian.play.m.jaeapp.com/?iid=497675&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i2/2987540729/TB2ym8zhH0kpuFjy0FjXXcBbVXa_!!2987540729.jpg" border="0"></a></td></tr><tr><td><table width="0" border="0" cellspacing="0" cellpadding="0"><tr><td><a href="https://meidian.play.m.jaeapp.com/?iid=497671&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i2/2987540729/TB25_4whSBjpuFjSsplXXa5MVXa_!!2987540729.jpg" border="0"></a></td><td><a href="https://meidian.play.m.jaeapp.com/?iid=497680&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i2/2987540729/TB2_MUUiYBnpuFjSZFGXXX51pXa_!!2987540729.jpg" border="0"></a></td><td><a href="https://meidian.play.m.jaeapp.com/?iid=497682&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i1/2987540729/TB2wz8gjiRnpuFjSZFCXXX2DXXa_!!2987540729.jpg" border="0"></a></td></tr></table></td></tr></table></td></tr></table></td></tr><tr><td><a href="https://meidian.play.m.jaeapp.com/?iid=497668&amp;cpp=0"><img src="https://img.alicdn.com/imgextra/i1/2987540729/TB2b0tfhSBjpuFjy1XdXXaooVXa_!!2987540729.jpg" border="0"></a></td></tr></table></div><a href="https://meidian.play.m.jaeapp.com/?iid=498025&amp;cpp=0" target="_blank"><img src="https://img.alicdn.com/imgextra/i3/2987540729/TB2wKtShR0lpuFjSszdXXcdxFXa_!!2987540729.jpg"></a><img class="desc_anchor" id="desc-module-2" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><div class="detailpage-top" style="width: 790.0px;margin: 0 auto;font-size: 29.5px;" align="center"><p style="font-size: 48.0px;padding: 10.0px;margin: 0.0px;font-weight: bold;">Обработка естественного языка на основе Pytorch</p><div style="width: 740.0px;margin: 0 auto;padding: 40.0px 0 20.0px 0;color: #666666;" align="left"><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">сделать&amp;nbsp;&amp;nbsp; автор:</span><span style="margin-left: 20.0px;">(США) Делип&amp;миддот; Рао, (американец) Брайан&amp;Middot;Написано МакМёрном и переведено Лю Яньцзюнем и др.</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">решительный&amp;nbsp;&amp;nbsp;Цена:</span><span style="margin-left: 20.0px;">68</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">из&amp;энсп; версия&amp;энсп; агентство:</span><span style="margin-left: 20.0px;">Китайский электроэнергетический пресс</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">Дата публикации:</span><span style="margin-left: 20.0px;">1 июля 2020 г.</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">страница&amp;nbsp;&amp;nbsp;Количество:</span><span style="margin-left: 20.0px;">249</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 5.0px 0;"><span style="margin-left: 20.0px;">установить&amp;nbsp;&amp;nbsp;Рамка:</span><span style="margin-left: 20.0px;">Мягкая обложка</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""><div style="padding: 10.0px 0 0 0;"><span style="margin-left: 20.0px;">ISBN:</span><span style="margin-left: 20.0px;">9787519845988</span></div><img style="float: left;" src="https://img.alicdn.com/imgextra/i1/101450072/TB28iyVhwxlpuFjSszgXXcJdpXa-101450072.png" alt=""></div></div><img class="desc_anchor" id="desc-module-3" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><div align="center" style="width: 790.0px;margin: 0 auto;font-size: 29.5px;"><img alt="Каталог" src="https://img.alicdn.com/imgextra/i1/101450072/TB2dGIjcNRDOuFjSZFzXXcIipXa-101450072.png" style="padding: 30.0px 0 0 0;width: 790.0px;"><div align="left" style="width: 650.0px;margin: auto;text-align: left;"><span style="margin-right: 18.0px;">●</span>Предисловие 1<br>Обзор главы 7<br>Парадигма контролируемого обучения 9<br>Стохастический градиентный спуск 11<br>Выборочное и целевое кодирование 12<br>One-hot представительство (one-hot) 12<br>Частотное представление слов (TF) 14<br>TF-IDF означает 15<br>Целевая кодировка 16<br>Схема расчета 17<br>Основы PyTorch 19<br>Схема динамического и статического расчета 19<br>Установите PyTorch20<br>Создать тензор 21<br>Тип и размер тензора 23<br>Тензорные операции 25<br>Индексирование, нарезка, объединение 27<br>Тензоры и вычислительные графы 31<br>Тензор CUDA 32<br>Упражнение 34<br>Ответ 35<br>Резюме 36<br>Ссылка 36<br>Глава 2. Обработка естественного языка 37<br>Корпус, слова и жанры38<br>Особенности проектирования 40<br>Один юань, два юаня, три юаня,&amp;hellip;, n-арная модель 41<br>Лемматизация и стемминг 41<br>Классификация документов 42<br>Классификация слов: разметка частей речи 42<br>Классификация по ширине: дробление и распознавание именованных объектов 43<br>Структура предложения 44<br>Значение и семантика слова 45<br>Резюме 46<br>Ссылки 47<br>Глава 3. Основы нейронной сети 49<br>Персептрон: простейшая нейронная сеть 49<br>Функция активации 51<br> sigmoid52<br> Tanh53<br> ReLU53<br> Softmax54<br>Функция потерь 55<br>Среднеквадратическая ошибка потерь 56<br>Категориальная перекрестная потеря энтропии 56<br>Перекрестная потеря энтропии 58<br>Углубленное контролируемое обучение59<br>Построение выборочных данных 59<br>Собираем все вместе: обучение с учителем на основе градиента 62<br>Концепция вспомогательного обучения 63<br>Правильное измерение производительности модели: метрики оценки 64<br>Правильное измерение производительности модели: разделение набора данных 64<br>Знайте, когда прекратить тренировку 65<br>Поиск подходящих гиперпараметров65<br>Нормализация 66<br>Кейс: Обзор ресторана Категория 67<br>Набор данных обзора Yelp 68<br>Понимание представления набора данных PyTorch 70<br>Словарь, векторизатор и загрузчик данных 73<br>Классификатор перцептрона79<br>Программа обучения 80<br>Оценить, сделать вывод и изучить86<br>Оценка тестовых данных 87<br>Резюме 90<br>Ссылка 91<br>Глава 4. Сети прямой связи для обработки естественного языка 93<br>Многослойный персептрон 94<br>Простой пример: две классификации 96<br>Реализация MLP98 в PyTorch<br>Пример: Классификация фамилий с помощью MLP 102<br>Набор данных фамилий 103<br>Словарь, векторизатор и загрузчик данных104<br>Классификатор фамилий модель 106<br>Программа обучения 108<br>Оценка модели и прогнозирование 110<br>Регуляризованный MLP: регуляризация веса и регуляризация структуры (или отсев) 112<br>Сверточные нейронные сети 114<br>Гиперпараметры CNN 115<br>Реализация CNN120 в PyTorch<br>Пример: Использование CNN для классификации фамилий 123<br>Набор данных фамилий, класс 124<br>Глоссарий, векторизаторы и преобразователи данных 125<br>Переопределение классификатора фамилий с помощью сверточных сетей126<br>Процедуры обучения 128<br>Оценка модели и прогнозирование 129<br>Разные темы в CNN 130<br>Объединение 130<br>ПакетНорма131<br>Сетевые соединения в сетях (свертка 1х1) 131<br>Остаточное соединение/остаточный блок 132<br>Резюме 133<br>Ссылки 134<br>Глава 5. Встраивание слов и типов 135<br>Зачем изучать вложения?136<br>Встроенная эффективность 137<br>Методы изучения вложений слов 138<br>Фактическое использование предустановленных слов 138<br>Пример. Вложения для непрерывного набора слов, модель 145.<br>Набор данных Франкенштейна 146<br>Словарь, векторизатор и загрузчик данных148<br>CBOWКлассификатор модели 149<br>Программа обучения 150<br>Оценка модели и прогнозирование 151<br>Пример. Классификация документов с использованием предварительно обученных вложений 151<br>Набор данных новостей 152<br>Словарь, векторизатор и загрузчик данных153<br>НовостиКлассификатор модель 156<br>Программа обучения 159<br>Оценка модели и прогноз160<br>Резюме 161<br>Ссылка 162<br>Глава 6. Моделирование последовательностей для обработки естественного языка 165<br>Введение в рекуррентные нейронные сети 166<br>Внедрить ElmanRNN169<br>Пример: классификация национальности фамилии с использованием символа RNN 171<br>Класс SurnameDataset 171<br>Векторизованные структуры данных 173<br>Классификатор фамилий модель 174<br>Процедуры и результаты обучения 177<br>Резюме 178<br>Ссылка 178<br>Глава 7. Моделирование промежуточных последовательностей для обработки естественного языка 179<br>Задача 180 обычного RNN (или ElmanRNN)<br>Используйте метод стробирования для решения проблем обычного RNN181.<br>Пример: символы RNN183, используемые для создания фамилий.<br>Класс SurnameDataset 183<br>Векторизованные структуры данных 185<br>От ElmanRNN до GRU187<br>Модель 1: Модель безусловного формирования фамилии 187<br>Модель 2: Модель условного формирования фамилии 189<br>Процедуры и результаты обучения 190<br>Советы и рекомендации по обучению моделей последовательностей 196<br>Ссылки 198<br>Глава 8. Хорошее моделирование последовательностей для обработки естественного языка 199<br>Модели «последовательность-последовательность», модели кодера-декодера и условная генерация 199<br>Получение дополнительной информации из последовательностей: двунаправленные рекурсивные модели 203<br>Получение дополнительной информации из последовательностей: Внимание 205<br>Внимание в глубоких нейронных сетях 207<br>Оценка моделей генерации последовательностей 209<br>Пример: нейронный машинный перевод 211<br>Набор данных машинного перевода 212<br>Конвейер векторизации NMT 213<br>Кодирование и декодирование в моделях NMT 218<br>Процедуры и результаты обучения 229<br>Резюме 231<br>Ссылки 232<br>Глава 9. Классика, рубежи и дальнейшее развитие 235<br>Что мы узнали на данный момент?235<br>Вечные темы в НЛП 236<br>Диалоговые и интерактивные системы 236<br>Дискурс 237<br>Извлечение информации и анализ текста 239<br>Анализ и поиск документов 239<br>Граница НЛП 239<br>Шаблоны проектирования для производственных систем НЛП 241<br>Что дальше?246<br>Ссылки 247<br>Предисловие автора 249<br>Введение на обложке 249<br></div></div><img class="desc_anchor" id="desc-module-4" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><div class="detailpage-content" style="background: #a4a4a4;color: #fefeff;padding: 20.0px 0;width: 790.0px;margin: 0 auto;font-size: 29.5px;" align="center"><img style="width: 790.0px;" src="https://img.alicdn.com/imgextra/i4/101450072/TB2uhKJhB0kpuFjSsppXXcGTXXa-101450072.png" alt="Содержание пунктирное"><p style="font-size: 40.0px;font-weight: bold;padding: 0.0px;margin: 0.0px;">Введение в контент</p><img style="width: 790.0px;" src="https://img.alicdn.com/imgextra/i2/101450072/TB2LvCmhxXkpuFjy0FiXXbUfFXa-101450072.png" alt=""><p style="text-indent: 2.0em;line-height: 44.17px;width: 715.0px;margin: 0 auto;text-align: left;">Основным содержанием этой книги являются: Изучение расчетных схем и парадигм обучения.Мастер Фонд библиотеки тензоров оптимизации пит -образной оптимизации.Обзор традиционных концепций и методов НЛП.Изучите основную идею создания нейронной сети.Проверьте нейронную сеть обратной связи, такую ​​как многослойное восприятие.Используйте встроенные методы для представления слов, предложений, документов и т. Д.Узнайте, как использовать рекурсивные нейронные сети для моделирования данных последовательности.Исследуйте прогноз последовательности и генерируйте модель последовательности к последовательности.Научитесь создавать шаблон проектирования для построения систем NLP.</p></div><img class="desc_anchor" id="desc-module-5" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"></p>

Продавец:华夏盛轩图书专营店

Рейтинг:

Всего отзывов:0

Положительных:0

Добавить в корзину

Другие товары этого продавца

¥365.117 690руб.

¥38.99824руб.

¥136.12 876руб.

¥47.71 008руб.

Информация о товаре
Фотографии

Обработка естественного языка на основе Pytorch

сделать   автор:(США) Делип&миддот; Рао, (американец) Брайан&Middot;Написано МакМёрном и переведено Лю Яньцзюнем и др.

решительный  Цена:68

из&энсп; версия&энсп; агентство:Китайский электроэнергетический пресс

Дата публикации:1 июля 2020 г.

страница  Количество:249

установить  Рамка:Мягкая обложка

ISBN:9787519845988

●Предисловие 1
Обзор главы 7
Парадигма контролируемого обучения 9
Стохастический градиентный спуск 11
Выборочное и целевое кодирование 12
One-hot представительство (one-hot) 12
Частотное представление слов (TF) 14
TF-IDF означает 15
Целевая кодировка 16
Схема расчета 17
Основы PyTorch 19
Схема динамического и статического расчета 19
Установите PyTorch20
Создать тензор 21
Тип и размер тензора 23
Тензорные операции 25
Индексирование, нарезка, объединение 27
Тензоры и вычислительные графы 31
Тензор CUDA 32
Упражнение 34
Ответ 35
Резюме 36
Ссылка 36
Глава 2. Обработка естественного языка 37
Корпус, слова и жанры38
Особенности проектирования 40
Один юань, два юаня, три юаня,…, n-арная модель 41
Лемматизация и стемминг 41
Классификация документов 42
Классификация слов: разметка частей речи 42
Классификация по ширине: дробление и распознавание именованных объектов 43
Структура предложения 44
Значение и семантика слова 45
Резюме 46
Ссылки 47
Глава 3. Основы нейронной сети 49
Персептрон: простейшая нейронная сеть 49
Функция активации 51
sigmoid52
Tanh53
ReLU53
Softmax54
Функция потерь 55
Среднеквадратическая ошибка потерь 56
Категориальная перекрестная потеря энтропии 56
Перекрестная потеря энтропии 58
Углубленное контролируемое обучение59
Построение выборочных данных 59
Собираем все вместе: обучение с учителем на основе градиента 62
Концепция вспомогательного обучения 63
Правильное измерение производительности модели: метрики оценки 64
Правильное измерение производительности модели: разделение набора данных 64
Знайте, когда прекратить тренировку 65
Поиск подходящих гиперпараметров65
Нормализация 66
Кейс: Обзор ресторана Категория 67
Набор данных обзора Yelp 68
Понимание представления набора данных PyTorch 70
Словарь, векторизатор и загрузчик данных 73
Классификатор перцептрона79
Программа обучения 80
Оценить, сделать вывод и изучить86
Оценка тестовых данных 87
Резюме 90
Ссылка 91
Глава 4. Сети прямой связи для обработки естественного языка 93
Многослойный персептрон 94
Простой пример: две классификации 96
Реализация MLP98 в PyTorch
Пример: Классификация фамилий с помощью MLP 102
Набор данных фамилий 103
Словарь, векторизатор и загрузчик данных104
Классификатор фамилий модель 106
Программа обучения 108
Оценка модели и прогнозирование 110
Регуляризованный MLP: регуляризация веса и регуляризация структуры (или отсев) 112
Сверточные нейронные сети 114
Гиперпараметры CNN 115
Реализация CNN120 в PyTorch
Пример: Использование CNN для классификации фамилий 123
Набор данных фамилий, класс 124
Глоссарий, векторизаторы и преобразователи данных 125
Переопределение классификатора фамилий с помощью сверточных сетей126
Процедуры обучения 128
Оценка модели и прогнозирование 129
Разные темы в CNN 130
Объединение 130
ПакетНорма131
Сетевые соединения в сетях (свертка 1х1) 131
Остаточное соединение/остаточный блок 132
Резюме 133
Ссылки 134
Глава 5. Встраивание слов и типов 135
Зачем изучать вложения?136
Встроенная эффективность 137
Методы изучения вложений слов 138
Фактическое использование предустановленных слов 138
Пример. Вложения для непрерывного набора слов, модель 145.
Набор данных Франкенштейна 146
Словарь, векторизатор и загрузчик данных148
CBOWКлассификатор модели 149
Программа обучения 150
Оценка модели и прогнозирование 151
Пример. Классификация документов с использованием предварительно обученных вложений 151
Набор данных новостей 152
Словарь, векторизатор и загрузчик данных153
НовостиКлассификатор модель 156
Программа обучения 159
Оценка модели и прогноз160
Резюме 161
Ссылка 162
Глава 6. Моделирование последовательностей для обработки естественного языка 165
Введение в рекуррентные нейронные сети 166
Внедрить ElmanRNN169
Пример: классификация национальности фамилии с использованием символа RNN 171
Класс SurnameDataset 171
Векторизованные структуры данных 173
Классификатор фамилий модель 174
Процедуры и результаты обучения 177
Резюме 178
Ссылка 178
Глава 7. Моделирование промежуточных последовательностей для обработки естественного языка 179
Задача 180 обычного RNN (или ElmanRNN)
Используйте метод стробирования для решения проблем обычного RNN181.
Пример: символы RNN183, используемые для создания фамилий.
Класс SurnameDataset 183
Векторизованные структуры данных 185
От ElmanRNN до GRU187
Модель 1: Модель безусловного формирования фамилии 187
Модель 2: Модель условного формирования фамилии 189
Процедуры и результаты обучения 190
Советы и рекомендации по обучению моделей последовательностей 196
Ссылки 198
Глава 8. Хорошее моделирование последовательностей для обработки естественного языка 199
Модели «последовательность-последовательность», модели кодера-декодера и условная генерация 199
Получение дополнительной информации из последовательностей: двунаправленные рекурсивные модели 203
Получение дополнительной информации из последовательностей: Внимание 205
Внимание в глубоких нейронных сетях 207
Оценка моделей генерации последовательностей 209
Пример: нейронный машинный перевод 211
Набор данных машинного перевода 212
Конвейер векторизации NMT 213
Кодирование и декодирование в моделях NMT 218
Процедуры и результаты обучения 229
Резюме 231
Ссылки 232
Глава 9. Классика, рубежи и дальнейшее развитие 235
Что мы узнали на данный момент?235
Вечные темы в НЛП 236
Диалоговые и интерактивные системы 236
Дискурс 237
Извлечение информации и анализ текста 239
Анализ и поиск документов 239
Граница НЛП 239
Шаблоны проектирования для производственных систем НЛП 241
Что дальше?246
Ссылки 247
Предисловие автора 249
Введение на обложке 249

Введение в контент

Основным содержанием этой книги являются: Изучение расчетных схем и парадигм обучения.Мастер Фонд библиотеки тензоров оптимизации пит -образной оптимизации.Обзор традиционных концепций и методов НЛП.Изучите основную идею создания нейронной сети.Проверьте нейронную сеть обратной связи, такую как многослойное восприятие.Используйте встроенные методы для представления слов, предложений, документов и т. Д.Узнайте, как использовать рекурсивные нейронные сети для моделирования данных последовательности.Исследуйте прогноз последовательности и генерируйте модель последовательности к последовательности.Научитесь создавать шаблон проектирования для построения систем NLP.