基于深度学习的自然语言处理

图书标准信息

• 作者 车万翔 郭江 张伟男 刘铭 译；[以色列]约阿夫·戈尔德贝格（Yoav Goldberg）
• 出版社 机械工业出版社
• 出版时间 2018-05
• 版次 1
• ISBN 9787111593737
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 272页

【内容简介】

自然语言处理是人工智能领域的一个重要的研究方向，是计算机科学与语言学的交叉学科。随着互联网的快速发展，网络文本尤其是用户生成的文本呈爆炸性增长，为自然语言处理带来了巨大的应用需求。但是由于自然语言具有歧义性、动态性和非规范性，同时语言理解通常需要丰富的知识和一定的推理能力，为自然语言处理带来了极大的挑战。近年来如火如荼的深度学习技术为解决自然语言处理问题的解决提供了一种可能的思路，已成为有效推动自然语言处理技术发展的变革力量。
  本书系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。
  本书主要面向高等院校自然语言处理和机器学习方向的研究生，也适合自然语言处理或机器学习领域的研究人员以及工业界从事智能相关领域呀发的专业人员阅读参考。

【作者简介】

约阿夫o戈尔德贝格（Yoav Goldberg）

以色列巴伊兰大学计算机科学系高级讲师，曾任Google Research研究员。他于2011年获得本·古里安大学博士学位。他曾经担任EMNLP、EACL等重要国际会议领域主席，在自然语言处理领域发表论文50余篇，并多次获得最佳论文以及杰出论文奖。同时他也是自然语言处理领域顶级期刊《Computational Linguistics》的编辑部成员。他的研究方向包括面向自然语言处理的机器学习方法，结构预测，句法与词法分析等。近几年，他专注于神经网络模型，在基于深度学习的自然语言处理方法上作出了重要贡献，同时他也是主流深度学习工具包DyNet的主要研发者之一。

译者和主审简介

车万翔，博士，哈尔滨工业大学教授，博士生导师，斯坦福大学访问学者。研究方向为自然语言处理。在CoNLL、SANCL、SemEal等国际评测获得过冠军。任ACL、COLING、EMNLP等国际会议领域主席。负责研发的语言技术平台（LTP）已被600余家单位共享，并授权给百度、腾讯、华为等公司使用。曾获黑龙江科技进步一等奖、技术发明二等奖；汉王青年创新奖一等奖；钱伟长中文信息处理科学奖等奖项。2017年所主讲的《Python语言程序设计》课程获国家精品在线开放课程。

郭江，博士，毕业于哈尔滨工业大学社会计算与信息检索研究中心，就读期间先后于美国普林斯顿大学以及约翰·霍普金斯大学进行访问研究，现为美国麻省理工学院计算机科学与人工智能实验室博士后研究员。研究领域主要为自然语言处理与机器学习。在人工智能，自然语言处理等领域国际重要会议及期刊（如ACL, EMNLP, AAAI, IJCAI, JAIR等）上发表论文10余篇。

张伟男，哈尔滨工业大学计算机学院社会计算与信息检索研究中心，博士/讲师/硕导。在ACL、AAAI、IJCAI及IEEE TKDE等CCF A类国际会议及国际顶级期刊发表论文多篇。中国中文信息学会（CIPS）信息检索专委会委员、青年工作委员会委员，中国人工智能学会（CAAI）青年工作委员会委员。曾获黑龙江省科技进步一等奖、中国人工智能学会最佳青年成果奖、中国人工智能学会"合创杯"第二届全国青年创新创业大赛三等奖。

刘铭，博士，哈尔滨工业大学副教授，博士生导师，美国南加州大学访问学者。研究领域包括文本挖掘、命名实体识别、实体链接等。先后主持国家自然科学基金、中国博士后科学基金特别资助、腾讯-CCF犀牛鸟创意基金等多项基金项目。 在人工智能、数据挖掘、自然语言处理等领域国际期刊和会议上发表论文20余篇（如TKDE、TOIS、IJCAI、ACL、ICDE等）。获黑龙江省科学技术一等奖一项, 获哈尔滨市科技成果一项。

主审：刘挺

刘挺，哈尔滨工业大学教授，社会计算与信息检索研究中心主任，国家"万人计划"科技创新领军人才。多次担任国家863重点项目总体组专家、基金委会评专家。中国计算机学会理事，中国中文信息学会常务理事、社会媒体处理专委会（SMP）主任，曾任国际顶级会议ACL、EMNLP领域主席。主要研究方向为人工智能、自然语言处理和社会计算，是国家973课题、国家自然科学基金重点项目负责人。主持研制"语言技术平台LTP"、"大词林"等科研成果被业界广泛使用。曾获国家科技进步二等奖、省科技进步一等奖、钱伟长中文信息处理科学技术一等奖等。

【目录】

译者序前言致谢章 引言1.1 自然语言处理的挑战1.2 神经网络和深度学习1.3 自然语言处理中的深度学习1.4 本书的覆盖面和组织结构1.5 本书未覆盖的内容1.6 术语1.7 数学符号注释部分 有监督分类与前馈神经网络第2章 学习基础与线性模型2.1 有监督学习和参数化函数2.2 训练集、测试集和验证集2.3 线性模型2.3.1 二分类2.3.2 对数线性二分类2.3.3 多分类2.4 表示2.5 独热和稠密向量表示2.6 对数线性多分类2.7 训练和化2.7.1 损失函数2.7.2 正则化2.8 基于梯度的化2.8.1 随机梯度下降2.8.2 实例2.8.3 其他训练方法第3章 从线性模型到多层感知器3.1 线性模型的局限性：异或问题3.2 非线性输入转换3.3 核方法3.4 可训练的映射函数第4章 前馈神经网络4.1 一个关于大脑的比喻4.2 数学表示4.3 表达能力4.4 常见的非线性函数4.5 损失函数4.6 正则化与丢弃法4.7 相似和距离层4.8 嵌入层第5章 神经网络训练5.1 计算图的抽象概念5.1.1 前向计算5.1.2 反向计算（导数、反向传播）5.1.3 软件5.1.4 实现流程……第二部分 处理自然语言数据第三部分 特殊的结构第四部分 其他主题参考文献
作者介绍

序言