自然語言處理

雅各布·愛森斯坦（Jacob Eisenstein） 現任谷歌研究科學家，從事計算語言學與自然語言處理的研究，致力於使語言技術更加健壯且值得信賴。2012年至2019年於佐治亞理工學院任教，領導計算語言學實驗室。2019年7月，加入谷歌人工智能研究院，擔任研究科學家。麻省理工學院博士。

譯者序
前言
符號表
第1章 引言
1.1 自然語言處理及相關內容
1.2 自然語言處理的三個主題
1.2.1 學習與知識
1.2.2 搜索與學習
1.2.3 關系、組合和分布的視角
第一部分 學習
第2章 線性文本分類任務
2.1 詞袋模型
2.2 樸素貝葉斯
2.2.1 類型和單詞
2.2.2 預測
2.2.3 估計
2.2.4 平滑處理
2.2.5 設置超參數
2.3 判別學習
2.3.1 感知器
2.3.2 基於均值的感知器算法
2.4 損失函數與大間隔分類
2.4.1 在線的大間隔分類
*2.4.2 在線支持向量機的推導
2.5 邏輯回歸
2.5.1 正則化
2.5.2 梯度
2.6 優化
2.6.1 批量優化
2.6.2 在線優化
*2.7 分類中的其他主題
2.7.1 通過正則化進行特征選擇
2.7.2 邏輯回歸的其他觀點
2.8 學習算法總結
附加資源
練習
第3章 非線性分類
3.1 前饋神經網絡
3.2 設計神經網絡
3.2.1 激活函數
3.2.2 網絡結構
3.2.3 輸出和損失函數
3.2.4 輸入和查找層
3.3 學習神經網絡
3.3.1 反向傳播
3.3.2 正則化和隨機失活
*3.3.3 學習理論
3.3.4 技巧
3.4 卷積神經網絡
附加資源
練習
第4章 分類法的語言應用
4.1 情感和意見分析
4.1.1 相關問題
4.1.2 情感分析的替代方法
4.2 詞義消歧
4.2.1 詞義有多少
……
第二部分 序列和樹
第三部分 含義
第四部分 應用
附錄A 概率
附錄B 數值優化
參考文獻