自20世纪10年代初以来,词向量一直是自然语言处理领域的主流技术之一。将信息编码成在现代机器学习算法中易于处理的低维向量表示,在自然语言处理技术的发展过程中发挥了核心作用。词向量技术最初集中在单词上,但注意力很快开始转移到其他形式:从图形结构上考虑,如知识库,到其他类型的文本内容,如句子和文档。
bshq:NLP免费新书-《自然语言处理中词向量表示算法概述》分享
本书主要讲解自然语言处理中词向量表示相关的技术。这本书首先解释了传统的单词向量空间模型和单词词向量(例如,Word2Vec和Glove),然后转向其他类型的词向量,例如词义、句子和文档以及图形结构的词向量。本书还概述了语境化表征(如ELMo、BERT)的最新发展状况,并解释了它们在自然语言处理中的潜力。在整本书中,读者可以找到从零开始理解词向量表示相关的基本信息,以及对文献中最成功的技术的全面概述。
本书目录
内容节选
bshq:NLP免费新书-《自然语言处理中词向量表示算法概述》分享
往期精品内容推荐
年薪达不到23.5万全额退款 | 人工智能核心能力培养计划
李宏毅-《深度学习人类语言处理2020》中文视频课程及ppt分享
知识图谱(KG)存储、可视化、公开数据集、图计算、图编程工具分享