前言
近年来,以BERT、GPT为代表的、基于超大规模文本数据的预训练语言模型能够充分利用大模型、大数据和大计算,使几乎所有自然语言处理任务性能都得到显著提升,在一些数据集上达到甚至超过人类水平,已成为自然语言处理的新范式。
今天给大家推荐的这本《自然语言处理——基于预训练模型的方法》,这本书在介绍自然语言处理、深度学习等基本概念的基础上,重点介绍新的基于预训练模型的自然语言处理技术。包括基础知识、预训练词向量和预训练模型三大部分:
- 基础知识部分介绍自然语言处理和深度学习的基础知识和基本工具;
- 预训练词向量部分介绍静态词向量和动态词向量的预训练方法及应用;
- 预训练模型部分介绍几种典型的预训练语言模型及应用,以及预训练模型的最新进展。
除了理论知识,本书还有针对性地结合具体案例提供相应的PyTorch代码实现,不仅能让读者对理论有更深刻的理解,还能快速地实现自然语言处理模型,达到理论和实践的统一。
适合人群
本书既适合具有一定机器学习基础的高等院校学生、研究机构的研究者,以及希望深入研究自然语言处理算法的计算机工程师阅读,也适合对人工智能、深度学习和自然语言处理感兴趣的学生和希望进入人工智能应用领域的研究者参考。
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇

目录:
第1 章绪论
第2 章自然语言处理基础
第3 章基础工具集与常用数据集
第4 章自然语言处理中的神经网络基础
第5 章静态词向量预训练模型
第6 章动态词向量预训练模型
第7 章预训练语言模型
第8 章预训练语言模型进阶
第9 章多模态融合的预训练模型
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇
