自然语言处理研究前沿

✍ Scribed by 孙茂松; 李涓子

• Publisher: 上海交通大学出版社
• Year: 2019
• Tongue: Chinese
• Leaves: 496
• Series: 脑计算出版工程：类脑计算与类脑研究前言系列
• Category: Library

✦ Synopsis

本分册以类脑模式的深度学习为基础，对自然语言处理的不同层面及其应用进行介绍。本分册共分为10章，第１章介绍了自然语言中不同语言单元（包括词、句子和篇章）的表示，并介绍了深度神经网络的注意力计算模型；第２章和第３章分别介绍了自然语言词法和句子的经典分析算法和深度学习模型；第４章介绍了知识图谱和从大规模文本中获取知识的主要技术；第５章和第６章重点介绍了文本挖掘技术，包括文本分类和摘要以及文本情感分析；第７章至第10章分别介绍了自然语言处理在信息检索、自动问答、机器翻译和社会计算中的应用技术。

✦ Table of Contents

封面
书名
版权
前言
目录
1 语言认知与表示模型邱锡鹏
1.1 语言认知与语言表示的定义
1.2 研究语言认知与表示的意义与挑战
1.3 语言表示的模型与方法
1.3.1 词的表示
1.3.2 句子表示
1.3.3 篇章表示
1.3.4 注意力
1.4 基于预训练模型的语言表示
参考文献
2 词法分析赵海 孙栩 张倬胜 张晓东
2.1 引言
2.1.1 词法分析的任务定义
2.1.2 词法分析的发展历程
2.1.3 词法分析的数据集和公开评测
2.1.4 分词的意义与挑战
2.2 中文分词
2.2.1 传统方法
2.2.2 深度学习方法
2.2.3 实验结果
2.3 命名实体识别
2.3.1 传统方法
2.3.2 深度学习方法
2.3.3 实验结果
2.4 词性标注
2.4.1 传统方法
2.4.2 深度学习方法
2.4.3 实验结果
2.5 应用
2.6 小结
参考文献
3 句法语义分析车万翔 李正华
3.1 引言
3.2 任务定义
3.2.1 依存句法分析（树）
3.2.2 语义角色标注
3.2.3 语义依存分析（图）
3.2.4 其他语义表示方法
3.2.5 数据集
3.2.6 相关评测
3.3 序列标注
3.3.1 条件随机场
3.3.2 深度序列标注
3.3.3 语义角色标注
3.4 基于图的方法
3.4.1 基于图的依存句法分析方法
3.4.2 基于图的语义依存分析方法
3.5 基于转移的方法
3.5.1 基于转移的依存句法分析方法
3.5.2 基于转移的语义依存分析方法
3.6 句法语义分析的进展与挑战
3.6.1 半监督学习
3.6.2 主动学习
3.6.3 句法数据标注现状
3.6.4 迁移学习
3.7 句法语义分析的应用
3.7.1 作为抽取规则
3.7.2 作为输入特征
3.7.3 作为输入／输出结构
3.7.4 转换任务模式
3.8 小结
参考文献
4 知识图谱刘知远 韩先培
4.1 引言
4.1.1 知识图谱技术
4.1.2 知识图谱发展历程
4.1.3 知识图谱研究的意义和挑战
4.2 典型的知识图谱
4.2.1 Freebase
4.2.2 DBpedia
4.2.3 Wikidata
4.2.4 YAGO
4.2.5 HowNet
4.2.6 其他知识图谱
4.3 知识表示学习
4.3.1 知识表示学习的概述
4.3.2 知识表示学习的主要特性
4.3.3 知识表示学习的主要方法
4.3.4 知识表示学习的主要挑战与已有解决方案
4.4 神经网络关系抽取
4.4.1 句子层关系抽取
4.4.2 篇章层关系抽取
4.5 知识图谱的应用
4.5.1 实体链接
4.5.2 实体检索
4.6 展望
参考文献
5 文本分类与自动文摘黄民烈 邱锡鹏 姚金戈
5.1 文本分类
5.1.1 文本分类的定义
5.1.2 文本分类的研究意义与挑战
5.1.3 模型与方法
5.1.4 数据集与应用
5.2 自动文摘
5.2.1 自动文摘的任务定义
5.2.2 自动文摘的研究意义与挑战
5.2.3 自动文摘的模型与方法
5.2.4 数据集与应用
5.3 总结
参考文献
6 情感分析张梅山 杨亮 桂林 唐都钰
6.1 情感分析的定义
6.1.1 情感与情绪
6.1.2 情感分析
6.1.3 新兴情感分析相关研究问题
6.2 情感分析的研究意义与挑战
6.2.1 情感分析的研究意义
6.2.2 情感分析的研究挑战
6.3 情感分析的模型与方法
6.3.1 词语的向量表示学习方法
6.3.2 句子级别情感分析
6.3.3 篇章情感分析
6.3.4 细粒度情感元素抽取与分析方法
6.3.5 情绪识别方法
6.3.6 文本情感原因发现方法
6.4 数据集
6.4.1 句子级和篇章级情感分析数据集
6.4.2 细粒度情感元素抽取与分析数据集
6.4.3 情绪识别数据集
6.4.4 情感原因发现数据集
6.5 总结
参考文献
7 信息检索与推荐的神经网络方法：前沿与挑战罗成 何向南 刘奕群 张敏
7.1 信息检索基础
7.1.1 信息检索的系统架构
7.1.2 推荐系统架构
7.2 面向信息检索的神经网络技术
7.2.1 表示学习与词嵌入
7.2.2 神经网络技术在信息检索中的应用
7.2.3 基于神经网络的文档排序
7.2.4 基于神经网络技术的查询推荐
7.3 基于深度神经网络的信息检索模型
7.3.1 深度结构化语义模型（DSSM）
7.3.2 深度相关性匹配模型（DRMM）
7.3.3 平行嵌入空间模型（DESM）
7.3.4 双表示模型（DUET）
7.4 推荐模型与方法中的神经网络技术
7.4.1 基于深度学习的推荐模型
7.4.2 可解释性推荐
7.4.3 学科交叉融合
7.5 数据资源及评测
7.5.1 数据资源
7.5.2 信息检索主要数据资源及评测
7.5.3 推荐主要数据集及评测
参考文献
8 自动问答与机器阅读理解刘康
8.1 引言
8.2 知识图谱问答
8.2.1 任务定义
8.2.2 知识图谱问答评测数据集
8.2.3 基于语义解析的知识库问答方法
8.2.4 基于深度学习的知识图谱问答方法
8.2.5 小结
8.3 机器阅读理解
8.3.1 任务定义
8.3.2 机器阅读理解公开评测数据集
8.3.3 传统基于特征工程的机器阅读理解方法
8.3.4 基于深度学习的文本阅读理解方法
8.3.5 基于深度学习阅读理解方法的优缺点
8.3.6 小结
8.4 总结
参考文献
9 机器翻译苏劲松 黄书剑 肖桐 刘洋
9.1 机器翻译的定义
9.2 机器翻译的研究意义与挑战
9.3 模型与方法
9.3.1 基于统计的机器翻译
9.3.2 利用深度学习技术改进统计机器翻译
9.3.3 其他相关工作
9.3.4 端到端神经机器翻译
9.4 机器翻译的数据集与应用
9.4.1 机器翻译的常用数据集与评测
9.4.2 开源工具和商用系统
9.5 总结与展望
参考文献
10 深度学习在社会计算中的应用与进展赵鑫 丁效
10.1 引言
10.2 用户画像
10.2.1 任务定义
10.2.2 用户画像的构建方法
10.2.3 用户画像在推荐系统中的应用
10.2.4 小结
10.3 用户意图
10.3.1 任务定义
10.3.2 显式用户意图挖掘
10.3.3 隐式用户意图挖掘
10.3.4 用户意图挖掘中的领域移植问题
10.3.5 小结
10.4 用户行为
10.4.1 传统协同过滤推荐算法
10.4.2 基于独立交互的神经网络模型
10.4.3 基于序列化的神经网络交互模型
10.4.4 融入背景信息交互的模型
10.4.5 小结
10.5 用户关系
10.5.1 网络表示学习
10.5.2 面向网络结构的表示学习方法
10.5.3 融入背景信息的网络表示学习方法
10.5.4 小结
10.6 社会化预测与规律分析
10.6.1 任务定义
10.6.2 基于相关关系的预测
10.6.3 基于因果关系的预测
10.6.4 事理图谱
10.6.5 小结
10.7 数据集合以及评测
10.8 总结与展望
参考文献
索引