Uczenie maszynowe dla tekstu

Opinie czytelników

Książka jest chwalona za dokładne omówienie uczenia maszynowego i głębokiego uczenia, w szczególności w odniesieniu do tekstu. Stanowi ona doskonałe źródło wiedzy zarówno dla specjalistów akademickich, jak i branżowych, oferując jasne wyjaśnienia i intuicyjne spostrzeżenia. Niektórzy recenzenci zauważają jednak, że niektóre tematy mogą nie być jednolicie omówione, a niektóre sekcje są krytykowane za niejasność.

Obszerne omówienie metod uczenia maszynowego i uczenia głębokiego, przejrzysty i intuicyjny styl pisania, świetny zarówno dla środowiska akademickiego, jak i przemysłu, liczne spostrzeżenia łączące różne koncepcje, dobrze zorganizowana treść, dobra równowaga między teorią a praktycznym zastosowaniem.

Niektóre obszary nie zostały omówione jednolicie, w szczególności z naciskiem na klasyfikację tekstu w stosunku do innych tematów; niektóre opisy uznano za stosunkowo powierzchowne i niejasne, nieodpowiednie jako praktyczny przewodnik programowania.

(na podstawie 10 opinii czytelników)

Oryginalny tytuł:

Machine Learning for Text

Zawartość książki:

Analityka tekstu to dziedzina, która leży na styku wyszukiwania informacji, uczenia maszynowego i przetwarzania języka naturalnego, a ten podręcznik starannie obejmuje spójnie zorganizowane ramy zaczerpnięte z tych przecinających się tematów. Rozdziały tego podręcznika są podzielone na trzy kategorie:

Podstawowe algorytmy:Rozdziały od 1 do 7 omawiają klasyczne algorytmy uczenia maszynowego na podstawie tekstu, takie jak przetwarzanie wstępne, obliczanie podobieństwa, modelowanie tematyczne, faktoryzacja macierzy, grupowanie, klasyfikacja, regresja i analiza zespołowa.

Rozdziały 8 i 9 omawiają metody uczenia się z tekstu w połączeniu z różnymi dziedzinami, takimi jak multimedia i sieć. Problem wyszukiwania informacji i wyszukiwania w sieci jest również omawiany w kontekście jego związku z rankingiem i metodami uczenia maszynowego.

Eksploracja sekwencji:Rozdziały od 10 do 14 omawiają różne zastosowania sekwencji i języka naturalnego, takie jak inżynieria cech, neuronowe modele językowe, głębokie uczenie, podsumowywanie tekstu, wydobywanie informacji, eksploracja opinii, segmentacja tekstu i wykrywanie zdarzeń.

Ten podręcznik szczegółowo omawia tematy uczenia maszynowego dla tekstu. Ze względu na szeroki zakres tematyczny, z tej samej książki można prowadzić wiele kursów, w zależności od poziomu kursu. Mimo że prezentacja jest skoncentrowana na tekście, rozdziały od 3 do 7 obejmują algorytmy uczenia maszynowego, które są często używane w dziedzinach wykraczających poza dane tekstowe. Dlatego też książka ta może być wykorzystywana do oferowania kursów nie tylko z zakresu analizy tekstu, ale także z szerszej perspektywy uczenia maszynowego (z tekstem jako tłem).

Niniejszy podręcznik skierowany jest do absolwentów informatyki, a także badaczy, profesorów i praktyków przemysłowych pracujących w tych powiązanych dziedzinach. Podręcznikowi towarzyszy podręcznik z rozwiązaniami do nauczania w klasie.