全新正版图书 自然语言处理领域中差分隐私和可解释技术的应用陈珂锐经济管理出版社9787509693018

自然语言处理技术历了小规模专家知识（世纪50年代-90年代）、大规模语料库统计模型（世纪90年代至21世纪初）、大规模语料库深度学010-17年）和大规模预语言模型（18年至今）四个阶段。预模型的研究和应用是从13年开始的，标志性事件是18年10月谷歌的Bert模型的出现，颠覆了NLP领域的研究范式，多数的NLP任务都转换成在预语言模型上的学后在下游任务中使用微调的模式。是23年初OpenAl公司的ChatGPT的问世，ChatGPT的API已于23年3月1日公开，而其背后的大规模语言模型的公开，必将导含隐私敏感数据的模型被提取出数据中的隐私敏感信息。差分隐私技术和可解释性技术可以有效地解决隐私数据泄露和模型不透明的问题。本书先介绍了自然语言和差分隐私的理论基础，论述当前自然语言模型所面临的隐私攻击类型，在此基础之上根据文本处理粒度和扰动位置的不同，分别介绍单词层级的差分隐私、Token层级的差分隐私、句子层级的差分隐私、主题层级的差分隐私和基于梯度扰动的差分隐私。后论述自然语言处理模型中相关的可解释性技术。该书研究成果广泛适用于多种交叉学科，如社交网络、感分析、聊天机器人、城市交通、风控等领域，从而发挥巨大的研究意义和济价值。