Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Machine Learning for Text
Dieses Lehrbuch der zweiten Auflage bietet einen kohärent organisierten Rahmen für die Textanalyse, der Material aus den sich überschneidenden Themenbereichen Information Retrieval, maschinelles Lernen und Verarbeitung natürlicher Sprache integriert. Besonderer Wert wird auf Deep-Learning-Methoden gelegt. Die Kapitel dieses Buches umfassen drei große Kategorien:1. Grundlegende Algorithmen: In den Kapiteln 1 bis 7 werden die klassischen Algorithmen der Textanalyse wie Vorverarbeitung, Ähnlichkeitsberechnung, Themenmodellierung, Matrixfaktorisierung, Clustering, Klassifizierung, Regression und Ensemble-Analyse behandelt.
2. Bereichsbezogenes Lernen und Informationsbeschaffung: In den Kapiteln 8 und 9 werden Lernmodelle in heterogenen Umgebungen erörtert, wie z.B. eine Kombination von Text mit Multimedia oder Weblinks. Das Problem des Information Retrieval und der Websuche wird auch im Zusammenhang mit Ranking- und maschinellen Lernmethoden diskutiert. 3. Verarbeitung natürlicher Sprache: In den Kapiteln 10 bis 16 werden verschiedene sequenzzentrierte und natürlichsprachliche Anwendungen erörtert, wie Feature Engineering, neuronale Sprachmodelle, Deep Learning, Transformatoren, vortrainierte Sprachmodelle, Textzusammenfassung, Informationsextraktion, Wissensgraphen, Beantwortung von Fragen, Opinion Mining, Textsegmentierung und Ereigniserkennung.
Im Vergleich zur ersten Auflage enthält dieses Lehrbuch der zweiten Auflage (das sich vor allem an fortgeschrittene Studenten der Informatik und Mathematik richtet) wesentlich mehr Material über Deep Learning und natürliche Sprachverarbeitung. Der Schwerpunkt liegt auf Themen wie Transformatoren, vortrainierte Sprachmodelle, Wissensgraphen und Fragenbeantwortung.
| ISBN: | 9783030966256 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 565 |
Derzeit verfügbar, auf Lager.
