自然语言处理导论

作者简介

反侵权盗版说明

索引

参考文献

14.5 习题

14.4 延伸阅读

14.3.3 可解释评估

14.3.2 数据解释性分析方法

14.3.1 模型解释性分析方法

14.3 自然语言处理算法的解释性分析方法

14.2.2 全局分析方法

14.2.1 局部分析方法

14.2 解释性分析方法

14.1.2 解释方法评估

14.1.1 可解释性的分类

14.1 可解释性概述

第14章 模型可解释性

13.7 习题

13.6 延伸阅读

13.5.2 模型稳健性通用评测基准

13.5.1 特定任务稳健性评测基准

13.5 模型稳健性评测基准

13.4.4 对抗样本检测

13.4.3 基于数据增强的文本对抗防御方法

13.4.2 基于表示压缩的文本对抗防御方法

13.4.1 基于对抗训练的文本对抗防御方法

13.4 文本对抗防御方法

13.3.4 后门攻击

13.3.3 句子级别的攻击方法

13.3.2 词级别的攻击方法

13.3.1 字符级别的攻击方法

13.3 文本对抗攻击方法

13.2 数据偏差消除

13.1.2 稳健性的主要研究内容

13.1.1 稳健性的基本概念

13.1 稳健性概述

第13章 模型稳健性

第3部分 模型分析

12.7 习题

12.6 延伸阅读

12.5.4 知识图谱问答语料库

12.5.3 基于深度学习的知识图谱问答

12.5.2 基于信息检索的知识图谱问答

12.5.1 基于语义解析的知识图谱问答

12.5 知识图谱问答

12.4.2 基于表示学习的知识图谱推理

12.4.1 基于符号逻辑的知识图谱推理

12.4 知识图谱推理

12.3.3 实体对齐

12.3.2 实体链接

12.3.1 属性补全

12.3 知识图谱的获取与构建

12.2.4 基于图的知识图谱存储

12.2.3 基于表的知识图谱存储

12.2.2 知识图谱的向量表示

12.2.1 知识图谱的符号表示

12.2 知识图谱的表示与存储

12.1.2 知识图谱的研究内容

12.1.1 知识图谱的发展历程

12.1 知识图谱概述

第12章 知识图谱

11.7 习题

11.6 延伸阅读

11.5.5 跨语言文本摘要语料库

11.5.4 多模态文本摘要语料库

11.5.3 对话摘要语料库

11.5.2 多文档摘要语料库

11.5.1 单文档摘要语料库

11.5 文本摘要语料库

11.4.2 自动评测

11.4.1 人工评测

11.4 文本摘要评测

11.3.2 抽取与生成结合式文本摘要

11.3.1 序列到序列生成式文本摘要

11.3 生成式文本摘要

11.2.2 基于序列标注的方法

11.2.1 基于排序的方法

11.2 抽取式文本摘要

11.1.2 文本摘要的主要任务

11.1.1 文本摘要的发展历程

11.1 文本摘要概述

第11章 文本摘要

10.7 习题

10.6 延伸阅读

10.5.3 开放领域问答语料库

10.5.2 基于端到端架构的开放领域问答模型

10.5.1 基于检索-阅读理解架构的开放领域问答模型

10.5 开放领域问答

10.4.3 社区问答语料库

10.4.2 基于深度学习的语义匹配算法

10.4.1 基于特征的语义匹配算法

10.4 社区问答

10.3.3 表格问答语料库

10.3.2 基于深度学习的表格问答模型

10.3.1 基于特征的表格问答方法

10.3 表格问答

10.2.3 阅读理解语料库

10.2.2 基于深度神经网络的阅读理解算法

10.2.1 基于特征的阅读理解算法

10.2 阅读理解

10.1.2 智能问答的主要类型

10.1.1 智能问答的发展历程

10.1 智能问答概述

第10章 智能问答

9.6 习题

9.5 延伸阅读

9.4.3 属性级情感分析语料库

9.4.2 属性级情感分类

9.4.1 情感信息抽取

9.4 属性级情感分析

9.3.4 句子级情感分析语料库

9.3.3 基于情感知识增强预训练的句子级情感分析

9.3.2 基于递归神经张量网络的句子级情感分析

9.3.1 基于词典的句子级情感分析

9.3 句子级情感分析

9.2.3 篇章级情感分析语料库

9.2.2 基于层次结构的篇章级情感分析

9.2.1 基于支持向量机的篇章级情感分析

9.2 篇章级情感分析

9.1.2 情感分析的主要任务

9.1.1 情感模型

9.1 情感分析概述

第9章 情感分析

8.6 习题

8.5 延伸阅读

8.4 机器翻译语料库

8.3.3 自注意力神经网络翻译模型

8.3.2 卷积神经网络翻译模型

8.3.1 循环神经网络翻译模型

8.3 基于神经网络的机器翻译方法

8.2.6 IBM模型Ⅴ

8.2.5 IBM模型Ⅳ

8.2.4 IBM模型Ⅲ

8.2.3 IBM模型Ⅱ

8.2.2 IBM模型Ⅰ

8.2.1 任务定义与基本问题

8.2 基于统计的机器翻译方法

8.1.2 机器翻译的现状与挑战

8.1.1 机器翻译的发展历程

8.1 机器翻译概述

第8章 机器翻译

7.6 习题

7.5 延伸阅读

7.4.4 事件抽取语料库

7.4.3 事件抽取评测方法

7.4.2 开放域事件抽取

7.4.1 限定域事件抽取

7.4 事件抽取

7.3.5 关系抽取语料库

7.3.4 关系抽取评测方法

7.3.3 开放关系抽取

7.3.2 远程监督关系抽取

7.3.1 有监督关系抽取

7.3 关系抽取

7.2.5 命名实体识别语料库

7.2.4 命名实体识别评测方法

7.2.3 多规范命名实体识别

7.2.2 嵌套命名实体识别

7.2.1 非嵌套命名实体识别

7.2 命名实体识别

7.1 信息抽取概述

第7章 信息抽取

第2部分 核心技术

6.8 习题

6.7 延伸阅读

6.6 语言模型评测方法

6.5.3 人类反馈

6.5.2 指令微调

6.5.1 基础大模型训练

6.5 大规模语言模型

6.4.5 预训练语言模型的应用

6.4.4 序列到序列的预训练语言模型BART

6.4.3 掩码预训练语言模型BERT

6.4.2 生成式预训练语言模型GPT

6.4.1 动态词向量算法ELMo

6.4 预训练语言模型

6.3.2 循环神经网络语言模型

6.3.1 前馈神经网络语言模型

6.3 神经网络语言模型

6.2.4 平滑方法总结

6.2.3 Katz平滑

6.2.2 古德-图灵估计法

6.2.1 加法平滑

6.2 n元语言模型

6.1 语言模型概述

第6章 语言模型

5.6 习题

5.5 延伸阅读

5.4.3 基于实体的指代消解算法

5.4.2 基于表述排序的指代消解算法

5.4.1 基于表述对的指代消解算法

5.4 指代消解

5.3.2 浅层篇章分析

5.3.1 修辞结构篇章分析

5.3 篇章结构分析

5.2.2 基于循环神经网络的话语分割算法

5.2.1 基于词汇句法树的统计话语分割算法

5.2 话语分割

5.1.3 篇章的结构

5.1.2 篇章的连贯

5.1.1 篇章的衔接

5.1 篇章理论概述

第5章 篇章分析

4.7 习题

4.6 延伸阅读

4.5.4 语义角色标注语料库和语义角色标注评测

4.5.3 语义角色标注评测方法

4.5.2 基于深度神经网络的语义角色标注算法

4.5.1 基于句法树的语义角色标注算法

4.5 语义角色标注

4.4.5 词义消歧语料库

4.4.4 词义消歧评测方法

4.4.3 基于词义知识增强预训练的词义消歧算法

4.4.2 基于词义释义匹配的词义消歧算法

4.4.1 基于目标词上下文的词义消歧算法

4.4 词义消歧

4.3.3 篇章分布式表示

4.3.2 句子分布式表示

4.3.1 词分布式表示

4.3 分布式表示

4.2.3 语义网络表示

4.2.2 框架表示

4.2.1 谓词逻辑表示

4.2 语义表示

4.1.2 句子语义学

4.1.1 词汇语义学

4.1 语义学概述

第4章 语义分析

3.6 习题

3.5 延伸阅读

3.4 句法分析语料库

3.3.5 依存句法分析评测方法

3.3.4 基于神经网络的转移依存句法分析

3.3.3 基于转移的依存句法分析

3.3.2 基于神经网络的图依存句法分析

3.3.1 基于图的依存句法分析

3.3 依存句法分析

3.2.3 成分句法分析评测方法

3.2.2 基于概率上下文无关语法的成分句法分析

3.2.1 基于上下文无关语法的成分句法分析

3.2 成分句法分析

3.1.2 依存语法理论概述

3.1.1 成分语法理论概述

3.1 句法概述

第3章 句法分析

2.6 习题

2.5 延伸阅读

2.4.5 词性标注语料库

2.4.4 词性标注评测方法

2.4.3 基于卷积神经网络的词性标注

2.4.2 基于隐马尔可夫模型的词性标注

2.4.1 基于规则的词性标注

2.4 词性标注

2.3.7 中文分词语料库

2.3.6 中文分词评测方法

2.3.5 基于双向长短期记忆网络的中文分词算法

2.3.4 基于感知器的中文分词算法

2.3.3 基于线性链条件随机场的中文分词算法

2.3.2 基于最大匹配的中文分词算法

2.3.1 中文分词概述

2.3 中文分词

2.2.3 词干提取

2.2.2 词形还原

2.2.1 词语切分

2.2 词语规范化

2.1.2 词的词性

2.1.1 词的形态学

2.1 语言中的词汇

第2章 词汇分析

1.3 本书内容安排

1.2.4 基于大模型的方法

1.2.3 基于深度学习的方法

1.2.2 基于机器学习的方法

1.2.1 基于规则的方法

1.2 自然语言处理的基本范式

1.1.3 自然语言处理的主要难点

1.1.2 自然语言处理的主要研究内容

1.1.1 自然语言处理简史

1.1 自然语言处理的基本概念

第1章 绪论

第1部分 基础技术

前言

序

数学符号

内容简介

作者简介

版权信息

封面

封面

版权信息

作者简介

内容简介

数学符号

序

前言

第1部分 基础技术

第1章 绪论

1.1 自然语言处理的基本概念

1.1.1 自然语言处理简史

1.1.2 自然语言处理的主要研究内容

1.1.3 自然语言处理的主要难点

1.2 自然语言处理的基本范式

1.2.1 基于规则的方法

1.2.2 基于机器学习的方法

1.2.3 基于深度学习的方法

1.2.4 基于大模型的方法

1.3 本书内容安排

第2章 词汇分析

2.1 语言中的词汇

2.1.1 词的形态学

2.1.2 词的词性

2.2 词语规范化

2.2.1 词语切分

2.2.2 词形还原

2.2.3 词干提取

2.3 中文分词

2.3.1 中文分词概述

2.3.2 基于最大匹配的中文分词算法

2.3.3 基于线性链条件随机场的中文分词算法

2.3.4 基于感知器的中文分词算法

2.3.5 基于双向长短期记忆网络的中文分词算法

2.3.6 中文分词评测方法

2.3.7 中文分词语料库

2.4 词性标注

2.4.1 基于规则的词性标注

2.4.2 基于隐马尔可夫模型的词性标注

2.4.3 基于卷积神经网络的词性标注

2.4.4 词性标注评测方法

2.4.5 词性标注语料库

2.5 延伸阅读

2.6 习题

第3章 句法分析

3.1 句法概述

3.1.1 成分语法理论概述

3.1.2 依存语法理论概述

3.2 成分句法分析

3.2.1 基于上下文无关语法的成分句法分析

3.2.2 基于概率上下文无关语法的成分句法分析

3.2.3 成分句法分析评测方法

3.3 依存句法分析

3.3.1 基于图的依存句法分析

3.3.2 基于神经网络的图依存句法分析

3.3.3 基于转移的依存句法分析

3.3.4 基于神经网络的转移依存句法分析

3.3.5 依存句法分析评测方法

3.4 句法分析语料库

3.5 延伸阅读

3.6 习题

第4章 语义分析

4.1 语义学概述

4.1.1 词汇语义学

4.1.2 句子语义学

4.2 语义表示

4.2.1 谓词逻辑表示

4.2.2 框架表示

4.2.3 语义网络表示

4.3 分布式表示

4.3.1 词分布式表示

4.3.2 句子分布式表示

4.3.3 篇章分布式表示

4.4 词义消歧

4.4.1 基于目标词上下文的词义消歧算法

4.4.2 基于词义释义匹配的词义消歧算法

4.4.3 基于词义知识增强预训练的词义消歧算法

4.4.4 词义消歧评测方法

4.4.5 词义消歧语料库

4.5 语义角色标注

4.5.1 基于句法树的语义角色标注算法

4.5.2 基于深度神经网络的语义角色标注算法

4.5.3 语义角色标注评测方法

4.5.4 语义角色标注语料库和语义角色标注评测

4.6 延伸阅读

4.7 习题

第5章 篇章分析

5.1 篇章理论概述

5.1.1 篇章的衔接

5.1.2 篇章的连贯

5.1.3 篇章的结构

5.2 话语分割

5.2.1 基于词汇句法树的统计话语分割算法

5.2.2 基于循环神经网络的话语分割算法

5.3 篇章结构分析

5.3.1 修辞结构篇章分析

5.3.2 浅层篇章分析

5.4 指代消解

5.4.1 基于表述对的指代消解算法

5.4.2 基于表述排序的指代消解算法

5.4.3 基于实体的指代消解算法

5.5 延伸阅读

5.6 习题

第6章 语言模型

6.1 语言模型概述

6.2 n元语言模型

6.2.1 加法平滑

6.2.2 古德-图灵估计法

6.2.3 Katz平滑

6.2.4 平滑方法总结

6.3 神经网络语言模型

6.3.1 前馈神经网络语言模型

6.3.2 循环神经网络语言模型

6.4 预训练语言模型

6.4.1 动态词向量算法ELMo

6.4.2 生成式预训练语言模型GPT

6.4.3 掩码预训练语言模型BERT

6.4.4 序列到序列的预训练语言模型BART

6.4.5 预训练语言模型的应用

6.5 大规模语言模型

6.5.1 基础大模型训练

6.5.2 指令微调

6.5.3 人类反馈

6.6 语言模型评测方法

6.7 延伸阅读

6.8 习题

第2部分 核心技术

第7章 信息抽取

7.1 信息抽取概述

7.2 命名实体识别

7.2.1 非嵌套命名实体识别

7.2.2 嵌套命名实体识别

7.2.3 多规范命名实体识别

7.2.4 命名实体识别评测方法

7.2.5 命名实体识别语料库

7.3 关系抽取

7.3.1 有监督关系抽取

7.3.2 远程监督关系抽取

7.3.3 开放关系抽取

7.3.4 关系抽取评测方法

7.3.5 关系抽取语料库

7.4 事件抽取

7.4.1 限定域事件抽取

7.4.2 开放域事件抽取

7.4.3 事件抽取评测方法

7.4.4 事件抽取语料库

7.5 延伸阅读

7.6 习题

第8章 机器翻译

8.1 机器翻译概述

8.1.1 机器翻译的发展历程

8.1.2 机器翻译的现状与挑战

8.2 基于统计的机器翻译方法

8.2.1 任务定义与基本问题

8.2.2 IBM模型Ⅰ

8.2.3 IBM模型Ⅱ

8.2.4 IBM模型Ⅲ

8.2.5 IBM模型Ⅳ

8.2.6 IBM模型Ⅴ

8.3 基于神经网络的机器翻译方法

8.3.1 循环神经网络翻译模型

8.3.2 卷积神经网络翻译模型

8.3.3 自注意力神经网络翻译模型

8.4 机器翻译语料库

8.5 延伸阅读

8.6 习题

第9章 情感分析

9.1 情感分析概述

9.1.1 情感模型

9.1.2 情感分析的主要任务

9.2 篇章级情感分析

9.2.1 基于支持向量机的篇章级情感分析

9.2.2 基于层次结构的篇章级情感分析

9.2.3 篇章级情感分析语料库

9.3 句子级情感分析

9.3.1 基于词典的句子级情感分析

9.3.2 基于递归神经张量网络的句子级情感分析

9.3.3 基于情感知识增强预训练的句子级情感分析

9.3.4 句子级情感分析语料库

9.4 属性级情感分析

9.4.1 情感信息抽取

9.4.2 属性级情感分类

9.4.3 属性级情感分析语料库

9.5 延伸阅读

9.6 习题

第10章 智能问答

10.1 智能问答概述

10.1.1 智能问答的发展历程

10.1.2 智能问答的主要类型

10.2 阅读理解

10.2.1 基于特征的阅读理解算法

10.2.2 基于深度神经网络的阅读理解算法

10.2.3 阅读理解语料库

10.3 表格问答

10.3.1 基于特征的表格问答方法

10.3.2 基于深度学习的表格问答模型

10.3.3 表格问答语料库

10.4 社区问答

10.4.1 基于特征的语义匹配算法

10.4.2 基于深度学习的语义匹配算法

10.4.3 社区问答语料库

10.5 开放领域问答

10.5.1 基于检索-阅读理解架构的开放领域问答模型

10.5.2 基于端到端架构的开放领域问答模型

10.5.3 开放领域问答语料库

10.6 延伸阅读

10.7 习题

第11章 文本摘要

11.1 文本摘要概述

11.1.1 文本摘要的发展历程

11.1.2 文本摘要的主要任务

11.2 抽取式文本摘要

11.2.1 基于排序的方法

11.2.2 基于序列标注的方法

11.3 生成式文本摘要

11.3.1 序列到序列生成式文本摘要

11.3.2 抽取与生成结合式文本摘要

11.4 文本摘要评测

11.4.1 人工评测

11.4.2 自动评测

11.5 文本摘要语料库

11.5.1 单文档摘要语料库

11.5.2 多文档摘要语料库

11.5.3 对话摘要语料库

11.5.4 多模态文本摘要语料库

11.5.5 跨语言文本摘要语料库

11.6 延伸阅读

11.7 习题

第12章 知识图谱

12.1 知识图谱概述

12.1.1 知识图谱的发展历程

12.1.2 知识图谱的研究内容

12.2 知识图谱的表示与存储

12.2.1 知识图谱的符号表示

12.2.2 知识图谱的向量表示

12.2.3 基于表的知识图谱存储

12.2.4 基于图的知识图谱存储

12.3 知识图谱的获取与构建

12.3.1 属性补全

12.3.2 实体链接

12.3.3 实体对齐

12.4 知识图谱推理

12.4.1 基于符号逻辑的知识图谱推理

12.4.2 基于表示学习的知识图谱推理

12.5 知识图谱问答

12.5.1 基于语义解析的知识图谱问答

12.5.2 基于信息检索的知识图谱问答

12.5.3 基于深度学习的知识图谱问答

12.5.4 知识图谱问答语料库

12.6 延伸阅读

12.7 习题

第3部分 模型分析

第13章 模型稳健性

13.1 稳健性概述

13.1.1 稳健性的基本概念

13.1.2 稳健性的主要研究内容

13.2 数据偏差消除

13.3 文本对抗攻击方法

13.3.1 字符级别的攻击方法

13.3.2 词级别的攻击方法

13.3.3 句子级别的攻击方法

13.3.4 后门攻击

13.4 文本对抗防御方法

13.4.1 基于对抗训练的文本对抗防御方法

13.4.2 基于表示压缩的文本对抗防御方法

13.4.3 基于数据增强的文本对抗防御方法

13.4.4 对抗样本检测

13.5 模型稳健性评测基准

13.5.1 特定任务稳健性评测基准

13.5.2 模型稳健性通用评测基准

13.6 延伸阅读

13.7 习题

第14章 模型可解释性

14.1 可解释性概述

14.1.1 可解释性的分类

14.1.2 解释方法评估

14.2 解释性分析方法

14.2.1 局部分析方法

14.2.2 全局分析方法

14.3 自然语言处理算法的解释性分析方法

14.3.1 模型解释性分析方法

14.3.2 数据解释性分析方法

14.3.3 可解释评估

14.4 延伸阅读

14.5 习题

参考文献

索引

反侵权盗版说明

作者简介