8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Алгоритм понимания машины и практика и практика Zhu Chenguang Machinery Industry Пресс.

Цена: 1 421руб.    (¥79)
Артикул: 615903494679

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
Продавец:阅轩图书专营店
Адрес:Цзянсу
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 98 54.4979руб.
¥54.8986руб.
¥69.91 257руб.
¥19.8357руб.
  • Информация о товаре
  • Фотографии

Основная информация

наименование товара:

  

делать   

  

город  поле  цена:

   79,00 Юань

ISBN  номер:

  9787111649502

Дата публикации:

  2020-04

Страница  &Nbsp; номер:

  244

Характер  &Nbsp; номер:

 

вне   Общество:

   Machinery Industry Press




  Оглавление

  

Последовательный
Предисловие
Предисловие
Первая основная глава
Глава 1 Машино  2
1.1 Задача понимания прочитанного машины  2
1.1.1 Модель понимания прочитанного машины  3
1.1.2 Применение понимания прочитанного машины  4
1.2 Обработка естественного языка  5
1.2.1.  5
1.2.2 Проблема, которая еще должна быть решена  6
1.3 В -depth обучение  7
1.3.1 Характеристики глубокого обучения  7
1.3.2 Результаты глубокого обучения  10
1.4 Метод оценки задачи понимания машинного чтения  11
1.4.1 Форма ответа на понимание прочитанного машины  11
1.4.2 Бесплатные ответы Ответы Rouge  12
1.5 Набор данных по чтению машины  14
1.5.1 Набор данных в одиночном абзаце  14
1.5.2 Набор данных многогранника  19
1.5.3 Набор данных текстовой библиотеки  22
1.6 Понимание машины Понимание данных  23
1.6.1 Генерация наборов данных  23
1.6.2 генерация стандартных ответов  24
1.6.3 Как разработать наборы данных высокого качества  26
1.7 Сводка этой главы  30
Глава 2 Основная основания лечения естественного языка  31
2.1 Текстовое слово  31
2.1.1 Китайские слова  32
2.1.2 английские слова  33
2.1.3 байт для кодирования BPE  35
2.2 Краеугольный камень языковой обработки: вектор слов  37
2.2.1 Vectorization слов  37
2.2.2 Word2VEC Word Vector  39
2.3 именование сущности и на основе слов маркировки на основе слов  42
2.3.1 Признание объекта именования  42
2.3.2  44
2.4 Языковая модель  48
2.4.1 N Yuan Model  49
2.4.2 Оценка языковой модели  52
2.5 Сводка этой главы  53
Глава 3 Глубокое обучение в лечении естественного языка  54
3.1 От вектора слов до текстового вектора  54
3.1.1 Используйте окончательное состояние RNN  55
3.1.2 Используйте CNN и пруд  55
3.1.3 Используйте участие участия  58
3.2 Позвольте компьютеру сделать вопрос о выборе: Понимание естественного языка  59
3.2.1 Сетевая модель  59
3.2.2 Фактическая боевая борьба: классификация текста  60
3.3 Пусть компьютер напишет статьи: генерация естественного языка  62
3.3.1 Модель сети  62
3.3.2 Фактический боевой бой: генерировать текст  63
3.3.3 Поворот поиска  65
3.4 Позвольте компьютеру сосредоточиться на разуме: механизм внимания  67
3.4.1 Расчет механизма внимания  68
3.4.2 Фактическая борьба: используйте функцию внутреннего накопления для расчета внимания  69
3.4.3 Ссылка на модель последовательности  69
3.5 Сводка этой главы  70
Статья 2
Глава 4  72
4.1 Общая архитектура  72
4.2 Кодирование слоя  74
4.2.1 Создание и инициализация таблицы словарного запаса  74
4.2.2 Кодирование символов  75
4.2.3 Кодирование контекста  77
4.3 Интерактивный слой  79
4.3.1 Взаимное внимание  79
4.3.2 Самоатрация  81
4.3.3 Кодирование контекста  82
4.4 Выходной слой  83
4.4.1 Вектор структурной проблемы представляет собой  83
4.4.2 Генерация нескольких ответов с несколькими опциями  84
4.4.3.  85
4.4.4.  87
4.5 Сводка этой главы  93
Глава 5 Общая модель понимания прочитанного машины  94
5.1 Оба модели потока внимания направленного внимания  94
5.1.1 Кодирование слоя  94
5.1.2 Интерактивный слой  95
5.1.3 Выходной слой  98
5.2 R-net  99
5.2.1 Внимание, основанное на управлении двери, циркулирующая нейронная сеть  100
5.2.2 Сетевая архитектура  101
5.3 Fusion Network  104
5.3.1 История слов  104
5.3.2.  105
5.3.3 Общая архитектура  106
5.4 Модель поиска ключевых слов и чтения  109
5.4.1 Поиск  110
5.4.2 Читатель  112
5.5 Сводка этой главы  115
Глава 6 Предварительно подготовленная модель  116
6.1 Предварительно подготовленная модель и миграционное обучение  116
6.2.  118
6.2.1 Модель машинного перевода  119
6.2.2 Контекст кодировка  120
6.3 Предварительная модель на основе языковой модели Elmo  121
6.3.1 Двухчастотная языковая модель  122
6.3.2 Использование Elmo  123
6.4 Generation Pre -Training Model GPT  125
6.4.1 Transformer  125
6.4.2 Архитектура модели GPT  129
6.4.3 Как использовать GPT  129
6.5 Предварительная модель Bert Bert  131
6.5.1 Двухчастотная языковая модель  131
6.5.2 Суждение о следующем тексту  132
6.5.3.  133
6.5.4 Использование Берта в целевой задаче  133
6.5.5 Фактическое борьба: штраф -подсказание BERT в интервальном ответе  137
6.6 Сводка этой главы  138
Третья часть боя
Глава 7 Анализ кода SDNet SDNET код  140
7.1 Multi -Round Dialoge Reading Понимание модели SDNet  140
7.1.1 Кодирование слоя  141
7.1.2 Интерактивный слой и выходной слой  142
7.2 Руководство по введению и эксплуатации кода SDNET  143
7.2.1 Введение кода  143
7.2.2 Руководство по эксплуатации  143
7.2.3 Файл конфигурации  145
7.3 Процедура предварительной обработки  147
7.3.1 Функция инициализации  148
7.3.2 Предварительная функция обработки  149
7.4 Программа обучения  154
7.4.1 Обучающий базовый класс  154
7.4.2 Подкласс  155
7,5 партии генератора данных  159
7.5.1 Маска  160
7.5.2. Подготовка данных BERT  164
7.6 модель SDNet  166
7.6.1 Класс сетевой модели  166
7.6.2 Расчет слоя  171
7.6.3 Сгенерировать кодирование BERT  177
7.7 Сводка этой главы  178
Глава 8 Применение и будущее понимания прочитанного машины  179
8.1 Умное обслуживание клиентов  179
8.1.1 Установите базу знаний о обслуживании клиентов продукта  180
8.1.2 Понять намерения пользователя  181
8.1.3  183
8.1.4 Другие модули в Smart Customers Service  183
8.2 Поисковая система  184
8.2.1 Технология поисковых систем  185
8.2.2 Понимание прочитанного машины в поисковой системе  187
8.2.3 Будущее и вызов  188
8.3 Медицинский и здоровье  189
8.4 Закон  190
8.4.1 Smart Trial  191
8.4.2 Определите применимые условия  192
8.5 Финансы  193
8.5.1 Прогноз цен на акции  193
8.5.2 Аннотация новостей  195
8.6 Образование  196
8.7 Будущее понимания прочитанного машины  196
8.7.1 Задача, стоящая перед изучением понимания прочитанного машины  197
8.7.2 Индустриализация понимания прочитанного машины  202
8.8 Резюме этой главы  203
Приложение основы машинного обучения  205
Приложение B Основы глубокого обучения  208





  краткое введение


Книга разделена на три части, в общей сложности 10 глав.Первая часть - это основы для представления базовых знаний о понимании прочитанного машины.К ним относятся определение задач понимания прочитанного машины, а также технологии обработки естественного языка и сетевые модули глубокого обучения, обычно используемые в моделях понимания прочитанного.
Вторая часть -это глава архитектуры, классифицируйте задачу понимания машины, а затем представлена ​​базовый алгоритм архитектуры модели и режущегося Революционное влияние на исследование понимания машины
Третья часть - это фактическая боевая борьба, включая интерпретация кода автора модели SDNet, первое место в конкурсе по пониманию чтения COQA в 2018 году, конкретный процесс посадки и проблемы понимания машинного прочитанного в различных промышленных приложениях и понимание автора машины Понимание прочитанного мышления в будущем направлении развития.