自然语言处理中的贝叶斯分析（原书第2版）

图书标准信息

• 作者 谢伊·科恩（Shay Cohen） 著；杨伟 袁科 译
• 出版社 机械工业出版社
• 出版时间 2020-12
• 版次 1
• ISBN 9787111669579
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 页数 236页
• 字数 100千字

【内容简介】

本书涵盖了流利阅读NLP中贝叶斯学习方向的论文以及从事该领域的研究所需的方法和算法。这些方法和算法部分来自于机器学习和统计学，部分是针对NLP开发的。我们涵盖推理技术，如马尔科夫链、蒙特卡罗抽样和变分推理、贝叶斯估计和非参数建模。为了应对该领域的快速变化，本书新版增加了一个新的章节，关于贝叶斯背景下的表现学习和神经网络。我们还将介绍贝叶斯统计的基本概念，如先验分布、共轭性和生成式建模。后，我们回顾了一些基本的NLP建模技术，如语法建模、神经网络和表示学习，以及它们在贝叶斯分析中的应用。

【作者简介】

:
    谢伊·科恩(Shay Cohen)，爱丁堡大学信息学院语言、认知和计算研究所的讲师，他于2000年和2004年在特拉维夫大学分别取得数学和计算机科学学士学位与计算机科学硕士学位，并于2011年在卡内基一梅隆大学取得语言技术博士学位，在哥伦比亚大学(2011～2013)和爱丁堡大学(2013～2018)的博士后研究期间，分别获得计算创新奖学金和大学校长奖学金。他的研究方向是自然语言处理和机器学习，重点研究结构化预测中的问题，比如句法和语义解析。

【目录】

:
译者序

第2版前言

第1版前言

第1版致谢

第1章  基础知识

1.1  概率测度

1.2  随机变量

1.2.1  连续随机变量和离散随机变量

1.2.2  多元随机变量的联合分布

1.3  条件分布

1.3.1  贝叶斯法则

1.3.2  独立随机变量与条件独立随机变量

1.3.3  可交换的随机变量

1.4  随机变量的期望

1.5  模型

1.5.1  参数模型与非参数模型

1.5.2  模型推断

1.5.3  生成模型

1.5.4 模型中的独立性假定

1.5.5  有向图模型

1.6  从数据场景中学习

1.7  贝叶斯学派和频率学派的哲学(冰山一角)

1.8  本章小结

1.9  习题

第2章  绪论

2.1  贝叶斯统计与自然语言处理的结合点概述

2.2  第一个例子：隐狄利克雷分配模型

2.2.1  狄利克雷分布

2.2.2  推断

2.2.3  总结

2.3  第二个例子：贝叶斯文本回归

2.4  本章小结

2.5  习题

第3章  先验

3.1  共轭先验

3.1.1  共轭先验和归一化常数

3.1.2  共轭先验在隐变量模型中的应用

3.1.3  混合共轭先验

3.1.4  重新归一化共轭分布

3.1.5  是否共轭的讨论

3.1.6  总结

3.2  多项式分布和类别
...