人工智能与机器人先进技术丛书 智能摘要与深度学习2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能与机器人先进技术丛书 智能摘要与深度学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 文本摘要技术3

第1章 文本摘要概述3

1.1 摘要技术的需求3

1.2 自动文本摘要的应用5

1.3 文本摘要分类6

第2章 摘要评价方法9

2.1 评价数据9

2.1.1 抽取式摘要数据集9

2.1.2 生成式摘要数据集10

2.2 评价指标13

2.2.1 自动评测13

2.2.2 人工评测16

2.2.3 半自动评测16

2.3 总结17

第二部分 信息抽取23

第3章 文本表示23

3.1 词级表示23

3.1.1 Word2Vec23

3.1.2 循环神经网络33

3.2 句级表示38

3.2.1 Paragraph Vector模型38

3.2.2 Skip-Thoughts文档-句子表示40

3.2.3 卷积神经网络41

3.3 文档级表示45

3.3.1 混合模型45

3.3.2 BERT46

第4章 命名实体识别55

4.1 命名实体识别简介56

4.1.1 命名实体概念56

4.1.2 命名实体的用途56

4.2 命名实体识别方法57

4.2.1 基于规则的方法58

4.2.2 支持向量机58

4.2.3 最大熵模型59

4.2.4 隐马尔可夫模型61

4.2.5 条件随机场63

4.2.6 Bi-LSTM＋CRF模型64

第5章 抽取式摘要67

5.1 无监督方法68

5.1.1 启发规则方法68

5.1.2 向量空间模型70

5.1.3 基于图的模型70

5.1.4 组合优化方法73

5.2 有监督方法76

5.2.1 分类模型76

5.2.2 句子打分与排序78

5.3 强化学习80

5.3.1 基本原理80

5.3.2 强化学习优化的抽取式摘要83

5.4 总结85

第三部分 文本生成91

第6章 神经网络文本生成模型91

6.1 语言模型91

6.2 “编码-解码”网络框架92

6.2.1 模型框架92

6.2.2 注意力机制95

6.3 “序列到序列”生成模型96

6.4 网络训练100

6.4.1 Sampled Softmax算法100

6.4.2 Beam Search算法101

6.4.3 随机梯度下降算法103

6.5 面临的问题104

第7章 生成式摘要107

7.1 未登录词问题解决方案107

7.1.1 复制机制108

7.1.2 指针机制108

7.2 生成重复词问题解决方案113

7.2.1 注意力改进方法113

7.2.2 覆盖机制114

7.2.3 分散机制115

7.3 生成错误关系问题116

7.4 长文本摘要生成问题118

7.4.1 注意力改进方法118

7.4.2 卷积seq2seq模型120

7.5 强化学习优化的生成式摘要122

7.6 抽取器＋生成器124

7.6.1 抽取器＋指针生成网络125

7.6.2 强化抽取器＋生成器125

7.7 总结125

附录A 专用名词缩写127

索引129

后记131

参考文献133