自然语言处理与大语言模型原理详解电子书

内容简介

作者简介

前言

本书特色

本书内容

读者对象

配套资源

售后支持

第1篇 自然语言处理基础与词表示

第1章 自然语言处理基础与词嵌入

1.1 自然语言处理概述

1.2 词袋模型

1.3 词向量和词嵌入

1.4 词嵌入方法

1.5 Word2Vec和GloVe比较

1.6 自然语言处理中的词向量评估方法

参考文献

第2章 神经网络基础

2.1 神经网络单元

2.2 前馈计算

2.3 最大间隔目标函数

2.4 反向传播

2.5 神经网络的算法实现

2.6 神经网络的激活函数

2.7 数据预处理

2.8 参数初始化

2.9 学习率

2.10 梯度下降优化算法

2.11 神经网络的验证及调整方法

参考文献

第3章 朴素贝叶斯在情感分类中的作用

3.1 文本分类的基本概念

3.2 朴素贝叶斯分类器

参考文献

第4章 语言建模任务和N-gram模型

4.1 语言建模简介

4.2 N-gram模型简介

4.3 N-gram模型的评价方法

4.4 N-gram模型的主要问题及其解决方法

参考文献

第2篇 语言结构与句法解析

第5章 上下文无关语法和成分解析

5.1 句法分析的意义

5.2 上下文无关语法

5.3 树库

5.4 语法等价性和范式

5.5 句法解析器和结构歧义

5.6 CKY解析

5.7 处理歧义：概率上下文无关文法

5.8 最佳优先概率解析

5.9 解析的评价方法

参考文献

第6章 依存句法分析

6.1 构成成分和依存结构的区别与联系

6.2 依存结构的基本概念

6.3 依存关系的确立

6.4 基于转移的依存句法分析

6.5 神经网络依存句法分析器

参考文献

第3篇 序列建模与深度学习方法

第7章 循环神经网络

7.1 神经概率语言模型简介

7.2 循环神经网络的原理、评估与优化策略

参考文献

第8章 长短期记忆网络与门控循环单元

8.1 长短期记忆网络

8.2 门控循环单元

参考文献

第9章 序列到序列模型

9.1 机器翻译概述

9.2 序列到序列模型的基本原理与实现

9.3 注意力机制

9.4 序列到序列模型的评估方法

参考文献

第10章 注意力机制与Transformer架构

10.1 注意力机制的基本原理、局限性与改进

10.2 Transformer的关键组件

10.3 Transformer的编码器与解码器结构

10.4 Transformer的应用场景

10.5 Transformer的应用成果、复杂度与发展趋势

参考文献

第4篇 大语言模型与生成技术

第11章 自然语言生成

11.1 自然语言生成的不同任务类型

11.2 自然语言生成的基础

11.3 自然语言生成的解码过程

11.4 解码遇到的问题及其解决方案

11.5 自然语言生成的训练过程

11.6 评估指标

11.7 自然语言生成的评价方法

11.8 自然语言生成的伦理问题

参考文献

第12章 大语言模型预处理与基于人类反馈的强化学习

12.1 子词模型

12.2 整体模型训练

12.3 编码器的预训练方法

12.4 编码器-解码器的预训练方法

12.5 解码器的预训练方法

12.6 大语言模型的优化：提示工程与基于人类反馈的强化学习

参考文献