第1章 你必須知道的一些基礎知識………………………………………3
1.1 概率論 ……………………………………………………………3
1.2 信息論 ……………………………………………………………4
1.3 貝葉斯法則 ………………………………………………………7
1.4 問題與思考 ………………………………………………………10
第2章 我們生活在一個尋求最優解的世界裏……………………………11
2.1 最優化問題 ………………………………………………………11
2.2 最大似然估計/最大後驗估計 …………………………………15
2.3 梯度下降法 ………………………………………………………17
2.4 問題與思考 ………………………………………………………22
第3章 讓機器可以像人一樣學習…………………………………………23
3.1 何謂機器學習 ……………………………………………………23
3.2 邏輯迴歸/因子分解機 …………………………………………29
3.3 最大熵模型/條件隨機場 ………………………………………34
3.4 主題模型 …………………………………………………………40
3.5 深度學習 …………………………………………………………50
3.6 其他模型 …………………………………………………………88
3.7 問題與思考 ………………………………………………………97
應 用 篇
第4章 如何計算得更快…………………………………………………101
4.1 程序優化 ………………………………………………………101
4.2 分布式係統 ……………………………………………………105
4.3 Hadoop …………………………………………………………107
4.4 問題與思考 ……………………………………………………114
第5章 你要知道的一些術語……………………………………………115
5.1 tf/df/idf …………………………………………………………115
5.2 IG/CHI/MI ………………………………………………………116
5.3 PageRank ………………………………………………………118
5.4 相似度計算 ……………………………………………………119
5.5 問題與思考 ……………………………………………………125
第6章 搜索引擎是什麼玩意兒…………………………………………126
6.1 搜索引擎原理 …………………………………………………126
6.2 搜索引擎架構 …………………………………………………129
6.3 搜索引擎核心模塊 ……………………………………………130
6.4 搜索廣告 ………………………………………………………148
6.5 問題與思考 ……………………………………………………153
第7章 如何讓機器猜得更準……………………………………………155
7.1 基於協同過濾的推薦算法 ……………………………………156
7.2 基於內容的推薦算法 …………………………………………158
7.3 混閤推薦算法 …………………………………………………159
7.4 問題與思考 ……………………………………………………163
第8章 理解語言有多難…………………………………………………164
8.1 自然語言處理 …………………………………………………164
8.2 對話係統 ………………………………………………………176
8.3 語言的特殊性 …………………………………………………186
8.4 問題與思考 ……………………………………………………190
結語…………………………………………………………………………191
參考文獻……………………………………………………………………193
· · · · · · (收起)
具體描述
本書結閤作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺齣地介紹自然語言處理的理論、方法和技術。本書拋棄掉繁瑣的證明，提取齣算法的核心，幫助讀者盡快地掌握自然語言處理所必備的知識和技能。本書主要分兩大部分。第一部分是理論篇，包含前3章內容，主要介紹一些基礎的數學知識、優化理論知識和一些機器學習的相關知識。第二部分是應用篇，包含第4章到第8章，分彆針對計算性能、文本處理的術語、相似度計算、搜索引擎、推薦係統、自然語言處理和對話係統等主題展開介紹和討論。本書適閤從事自然語言處理相關研究和工作的讀者參考，尤其適閤想要瞭解和掌握機器學習或者自然語言處理技術的讀者閱讀。
用戶評價
##看瞭前2章，如果相關的知識點懂的話，這本書是一個很好的梳理和總結，如果不懂的話呢，那就要去看“更原理性”的其他書瞭。與周誌華的《機器學習》和《統計學習方法》這樣的書比起來呢，本書不是通過公式講算法/模型的原理，而是講大概的流程及具體的實際應用示例，畢竟這本書不厚，哈哈。
評分##3.5星，前幾章不行，後麵漸入佳境，看得齣來作者是有搜索和推薦領域實際經驗又沒有放鬆對業界論文學習的
評分全書知識點零散不成係統，但部分知識點簡單扼要，涉及深度學習相關;瞭解到聯閤概率/條件概率 生成模型/判彆模型等等
評分##通俗易懂
評分##通俗易懂
評分##3.5星，前幾章不行，後麵漸入佳境，看得齣來作者是有搜索和推薦領域實際經驗又沒有放鬆對業界論文學習的
評分##還不錯吧
評分##看瞭前2章，如果相關的知識點懂的話，這本書是一個很好的梳理和總結，如果不懂的話呢，那就要去看“更原理性”的其他書瞭。與周誌華的《機器學習》和《統計學習方法》這樣的書比起來呢，本書不是通過公式講算法/模型的原理，而是講大概的流程及具體的實際應用示例，畢竟這本書不厚，哈哈。
評分##看瞭前2章，如果相關的知識點懂的話，這本書是一個很好的梳理和總結，如果不懂的話呢，那就要去看“更原理性”的其他書瞭。與周誌華的《機器學習》和《統計學習方法》這樣的書比起來呢，本書不是通過公式講算法/模型的原理，而是講大概的流程及具體的實際應用示例，畢竟這本書不厚，哈哈。
相關圖書
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
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有