超值優(yōu)惠券
¥50
滿100可用 有效期2天

全場圖書通用（淘書團除外）

不再提示
關(guān)閉
2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
自然語言處理——文本信息抽取與知識挖掘

自然語言處理——文本信息抽取與知識挖掘

出版社：清華大學(xué)出版社出版時間：2024-09-01
開本： 其他 頁數(shù)： 164
中 圖 價:¥39.2(8.0折) 定價  ¥49.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

自然語言處理——文本信息抽取與知識挖掘 版權(quán)信息

自然語言處理——文本信息抽取與知識挖掘 本書特色

本書不僅全面介紹文本信息抽取技術(shù)在古籍文本處理方面的應(yīng)用，還著重介紹文本信息抽取與知識挖掘的基本概念、原理和方法，理論與實踐相結(jié)合，幫助讀者掌握相關(guān)技能。

自然語言處理——文本信息抽取與知識挖掘 內(nèi)容簡介

"本書在全面介紹文本信息抽取技術(shù)在古籍文本處理方面應(yīng)用的基礎(chǔ)上，著重介紹文本信息抽取與知識挖掘的基本概念、原理和方法，包括文本預(yù)處理、特征提取、命名實體識別、信息抽取、語義分析、知識表示等關(guān)鍵技術(shù)。 全書共3部分： 第1部分(第1、2章)著重介紹古籍文本信息抽取的相關(guān)背景知識； 第2部分(第3~8章)著重討論命名實體識別、關(guān)系抽取和事件抽取的具體方法，同時介紹對應(yīng)的實驗應(yīng)用及結(jié)果分析； 第3部分(第9章)基于對當前實體抽取領(lǐng)域研究現(xiàn)狀的分析與總結(jié)，展望未來。同時，全書也提供了大量應(yīng)用實例。 本書適合作為高等院校計算機、軟件工程及相關(guān)專業(yè)本科生、研究生的參考書，也可供對自然語言處理比較熟悉并且對信息抽取有所了解的開發(fā)人員、廣大科技工作者和研究人員學(xué)習使用。 "

自然語言處理——文本信息抽取與知識挖掘 目錄

第1章緒論 1．1研究背景與意義 1．1．1古籍文本信息抽取的重要性 1．1．2古籍文本信息抽取的應(yīng)用領(lǐng)域 1．1．3古籍文本信息抽取的目的 1．2信息抽取與知識挖掘的基本概念 1．2．1NER 1．2．2RE 1．2．3EE 1．3NER技術(shù) 1．3．1基于規(guī)則方法的NER技術(shù) 1．3．2基于統(tǒng)計模型的NER技術(shù) 1．3．3基于深度學(xué)習方法的NER技術(shù) 第2章古籍文本信息抽取概述與基礎(chǔ)理論 2．1古籍文本信息抽取的挑戰(zhàn)與難點 2．1．1信息抽取 2．1．2古籍文本中的信息抽取 2．2古籍文本信息抽取的任務(wù) 2．3古籍文本信息抽取相關(guān)技術(shù) 2．3．1詞匯語義表示 2．3．2CRF模型 2．3．3CNN信息抽取模型 2．3．4RNN信息抽取 2．3．5圖卷積信息抽取模型 2．3．6遷移學(xué)習信息抽取模型 2．4古籍文本信息抽取的應(yīng)用領(lǐng)域 2．4．1古籍數(shù)字化 2．4．2古籍文本分析 2．4．3文化遺產(chǎn)保護 2．4．4古籍知識圖譜構(gòu)建 第3章基于Transformer模型的NER 3．1引言 3．2問題引入 3．3基于分層Transformer模型的NER 3．3．1引言 3．3．2實現(xiàn)原理與步驟 3．3．3基本結(jié)構(gòu)與訓(xùn)練方法 3．3．4示例 3．3．5實驗分析 3．4基于BERTCRF的NER 3．4．1引言 3．4．2問題引入 3．4．3相關(guān)工作 3．4．4模型結(jié)構(gòu) 3．4．5實驗結(jié)果 3．5基于遷移學(xué)習的細粒度BERT的NER 3．5．1引言 3．5．2問題引入 3．5．3實驗過程 3．5．4實驗結(jié)果 第4章基于提示學(xué)習的NER 4．1引言 4．2問題引入 4．3基于模板的提示學(xué)習NER 4．3．1引言 4．3．2相關(guān)工作 4．3．3使用BART基于模板的NER 4．3．4實驗結(jié)果 4．4融合注意力層的提示學(xué)習NER 4．4．1引言 4．4．2低資源NER實驗過程 4．4．3實驗結(jié)果 4．5基于問答的提示學(xué)習NER 4．5．1引言 4．5．2相關(guān)工作 4．5．3方法 4．5．4實驗結(jié)果 第5章基于遠程監(jiān)督的RE 5．1引言 5．2問題引入 5．3基于對抗學(xué)習的遠程監(jiān)督RE 5．3．1引言 5．3．2相關(guān)工作 5．3．3方法 5．3．4實驗設(shè)置 5．4基于深度強化學(xué)習的遠程監(jiān)督RE 5．4．1引言 5．4．2相關(guān)工作 5．4．3實驗過程 5．5基于句子級別注意力機制的遠程監(jiān)督RE 5．5．1引言 5．5．2相關(guān)工作 5．5．3方法 5．5．4實驗結(jié)果 5．5．5比較 5．6基于實體級別注意力機制的遠程監(jiān)督RE 5．6．1引言 5．6．2相關(guān)工作 5．6．3融入多實例學(xué)習的基于分段CNN的RE 5．6．4實驗結(jié)果 5．7基于圖卷積的遠程監(jiān)督RE 5．7．1引言 5．7．2相關(guān)工作 5．7．3利用輔助信息進行遠程監(jiān)督神經(jīng)RE 5．7．4實驗結(jié)果 第6章基于遷移學(xué)習的實體RE 6．1引言 6．2問題引入 6．3基于樣本遷移的實體RE 6．3．1引言 6．3．2問題引入 6．3．3實驗分析 6．3．4實驗結(jié)果 6．4基于特征遷移的實體RE 6．4．1引言 6．4．2相關(guān)工作 6．4．3學(xué)習深度簡約表示 6．4．4基于聚類的正則化方法應(yīng)用于實體RE 6．5基于關(guān)系遷移的實體RE 6．5．1基于關(guān)系遷移的實體RE的概念 6．5．2基于關(guān)系遷移的實體RE的步驟 6．5．3基于關(guān)系遷移的實體RE的模型結(jié)構(gòu) 6．5．4基于關(guān)系遷移的實體RE的相關(guān)工作 6．5．5實驗分析 第7章聯(lián)合模型的EE 7．1引言 7．2問題引入 7．3級聯(lián)解碼聯(lián)合學(xué)習的EE方法 7．3．1引言 7．3．2問題引入 7．3．3模型介紹 7．3．4實驗過程 7．4共享隱藏表示方式的EE方法 7．4．1引言 7．4．2問題引入 7．4．3模型 7．4．4模型實驗表現(xiàn) 7．5基于轉(zhuǎn)換的神經(jīng)網(wǎng)絡(luò)的EE方法 7．5．1引言 7．5．2轉(zhuǎn)換系統(tǒng)介紹 7．5．3基于轉(zhuǎn)換的神經(jīng)網(wǎng)絡(luò)模型介紹 7．5．4實驗結(jié)果 第8章篇章級的EE 8．1引言 8．2問題引入 8．3中心語引導(dǎo)的篇章級EE 8．3．1引言 8．3．2相關(guān)工作 8．3．3方法 8．3．4實驗結(jié)果 8．3．5比較 8．4跨句論元抽取的篇章級EE 8．4．1引言 8．4．2相關(guān)工作 8．4．3角色填充實體提取任務(wù)和評估指標 8．4．4將REE作為序列生成任務(wù) 8．4．5GRIT模型 8．4．6實驗設(shè)置及結(jié)果 8．5多粒度閱讀的篇章級EE 8．5．1引言 8．5．2相關(guān)工作 8．5．3實驗方法 8．5．4實驗結(jié)果 第9章總結(jié)與展望 9.1總結(jié) 9．2展望 9．2．1NER技術(shù)未來發(fā)展展望 9．2．2RE技術(shù)未來發(fā)展展望 9．2．3EE技術(shù)未來發(fā)展展望 參考文獻
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服