第1章 你必须知道的一些基础知识………………………………………3
1.1 概率论 ……………………………………………………………3
1.2 信息论 ……………………………………………………………4
1.3 贝叶斯法则 ………………………………………………………7
1.4 问题与思考 ………………………………………………………10
第2章 我们生活在一个寻求最优解的世界里……………………………11
2.1 最优化问题 ………………………………………………………11
2.2 最大似然估计/最大后验估计 …………………………………15
2.3 梯度下降法 ………………………………………………………17
2.4 问题与思考 ………………………………………………………22
第3章 让机器可以像人一样学习…………………………………………23
3.1 何谓机器学习 ……………………………………………………23
3.2 逻辑回归/因子分解机 …………………………………………29
3.3 最大熵模型/条件随机场 ………………………………………34
3.4 主题模型 …………………………………………………………40
3.5 深度学习 …………………………………………………………50
3.6 其他模型 …………………………………………………………88
3.7 问题与思考 ………………………………………………………97
应 用 篇
第4章 如何计算得更快…………………………………………………101
4.1 程序优化 ………………………………………………………101
4.2 分布式系统 ……………………………………………………105
4.3 Hadoop …………………………………………………………107
4.4 问题与思考 ……………………………………………………114
第5章 你要知道的一些术语……………………………………………115
5.1 tf/df/idf …………………………………………………………115
5.2 IG/CHI/MI ………………………………………………………116
5.3 PageRank ………………………………………………………118
5.4 相似度计算 ……………………………………………………119
5.5 问题与思考 ……………………………………………………125
第6章 搜索引擎是什么玩意儿…………………………………………126
6.1 搜索引擎原理 …………………………………………………126
6.2 搜索引擎架构 …………………………………………………129
6.3 搜索引擎核心模块 ……………………………………………130
6.4 搜索广告 ………………………………………………………148
6.5 问题与思考 ……………………………………………………153
第7章 如何让机器猜得更准……………………………………………155
7.1 基于协同过滤的推荐算法 ……………………………………156
7.2 基于内容的推荐算法 …………………………………………158
7.3 混合推荐算法 …………………………………………………159
7.4 问题与思考 ……………………………………………………163
第8章 理解语言有多难…………………………………………………164
8.1 自然语言处理 …………………………………………………164
8.2 对话系统 ………………………………………………………176
8.3 语言的特殊性 …………………………………………………186
8.4 问题与思考 ……………………………………………………190
结语…………………………………………………………………………191
参考文献……………………………………………………………………193
· · · · · · (收起)
具体描述
本书结合作者多年学习和从事自然语言处理相关工作的经验，力图用生动形象的方式深入浅出地介绍自然语言处理的理论、方法和技术。本书抛弃掉繁琐的证明，提取出算法的核心，帮助读者尽快地掌握自然语言处理所必备的知识和技能。本书主要分两大部分。第一部分是理论篇，包含前3章内容，主要介绍一些基础的数学知识、优化理论知识和一些机器学习的相关知识。第二部分是应用篇，包含第4章到第8章，分别针对计算性能、文本处理的术语、相似度计算、搜索引擎、推荐系统、自然语言处理和对话系统等主题展开介绍和讨论。本书适合从事自然语言处理相关研究和工作的读者参考，尤其适合想要了解和掌握机器学习或者自然语言处理技术的读者阅读。
用户评价
##200页拿在手里略为单薄，似乎对不起69元的定价，
评分##不适合初学者，信息量略大，但是感觉都是简单地介绍，没做过类似的项目，还是比较难理解的。
评分##比较通俗, 但是公式还是有很多不懂的, 不太适合初级入门
评分##打分的都是水军吗？内容这么浅显，逻辑这么混乱的书也能有这么高的分数？我觉得这本书上的内容写成博客就成了……根本没有成为书的必要。
评分##涉及数学基础、机器学习基础、搜索、推荐、广告、对话。全书结构不太好，内容有些偏博客，内容覆盖全而新，讲解视角更高。完整读书笔记https://zhuanlan.zhihu.com/p/63783079
评分##比较通俗, 但是公式还是有很多不懂的, 不太适合初级入门
评分##看了前2章，如果相关的知识点懂的话，这本书是一个很好的梳理和总结，如果不懂的话呢，那就要去看“更原理性”的其他书了。与周志华的《机器学习》和《统计学习方法》这样的书比起来呢，本书不是通过公式讲算法/模型的原理，而是讲大概的流程及具体的实际应用示例，毕竟这本书不厚，哈哈。
评分全书知识点零散不成系统，但部分知识点简单扼要，涉及深度学习相关;了解到联合概率/条件概率 生成模型/判别模型等等
评分##通俗易懂
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.tinynews.org All Rights Reserved. 静思书屋 版权所有