机读格式显示(MARC)

• 000 01586nam 2200301 450

• 001 0000873502

• 005 20221019110400.0

• 010 __ |a 978-7-121-43786-1 |d CNY69.00

• 100 __ |a 20220927d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 自然语言表示学习 |A zi ran yu yan biao shi xue xi |e 文本语义向量化表示研究与应用 |f 黄河燕, 刘茜编著

• 210 __ |a 北京 |c 电子工业出版社 |d 2022

• 215 __ |a 133页 |c 图 |d 24cm

• 225 2_ |a 人工智能前沿理论与技术应用丛书 |A ren gong zhi neng qian yan li lun yu ji shu ying yong cong shu

• 320 __ |a 有书目 (第119-133页)

• 330 __ |a 文本语义向量化表示是指将自然语言编码为计算机可处理的、蕴含语义特征的向量的过程。在人工智能领域, 语义表示学习是实现让机器理解自然语言的第一步, 是机器处理文本数据和完成各种自然语言处理任务的基础, 其性能的优劣直接影响下游任务的效果。因此, 语义表示学习具有重要的研究意义和实用价值。本书梳理了文本语义向量化表示的基础理论, 详细介绍了分布式表示和预训练语言模型, 介绍了增强关联模式、融合知识、融合任务特征等典型的语义表示方法, 并以机器阅读理解任务为例, 介绍了文本语义向量化表示在人工智能领域的实际应用。最后本书对文本语义向量化表示技术进行了总结和未来研究展望。

• 410 _0 |1 2001 |a 人工智能前沿理论与技术应用丛书

• 517 1_ |a 文本语义向量化表示研究与应用 |A wen ben yu yi xiang liang hua biao shi yan jiu yu ying yong

• 606 0_ |a 自然语言处理 |A zi ran yu yan chu li

• 690 __ |a TP391 |v 5

• 701 _0 |a 黄河燕 |A huang he yan |4 编著

• 701 _0 |a 刘茜 |A liu qian |4 编著

• 801 _0 |a CN |b HDUL |c 20221019

• 905 __ |a HDUL |d TP391/4341

• 920 __ |a 233030 |z 1