Deep Learning for Search

Olvasói vélemények

A „Deep Learning for Search” című könyvet dicsérik a szép írásmódja és a hozzáférhetősége miatt, amely a technikai témákat könnyebben érthetővé teszi. Gyakorlati példákat kínál Java és az Apache Lucene használatával, jól szolgálva a keresési technológiák iránt érdeklődők igényeit. Egyes olvasók azonban úgy érzik, hogy a könyv túlságosan a Lucene-re összpontosít, és nem elég mélyreható a mélytanulási koncepciókban, és nem biztos, hogy megfelel a tapasztalt, haladóbb betekintést kereső felhasználók elvárásainak.

⬤ Gyönyörűen megírt és könnyen olvasható, egy regényhez hasonlítható.
⬤ Gyakorlati példákat kínál Java és az Apache Lucene használatával.
⬤ Jó bevezetés a mélytanulási koncepciókba.
⬤ A szakmai munkában alkalmazható hasznos ötleteket kínál.

⬤ Hiányzik a mélytanulás mélysége, túlságosan az Apache Lucene-re koncentrál.
⬤ A Lucene-ben vagy a kapcsolódó technológiákban jelentős tapasztalattal rendelkező olvasók számára kevéssé érdekes lehet.
⬤ Szűk témakör, amely nem feltétlenül vonzó a szélesebb közönség számára.

(4 olvasói vélemény alapján)

Könyv tartalma:

Összefoglaló

A Deep Learning for Search megtanítja, hogyan javíthatja a keresés hatékonyságát neurális hálózat alapú technikák alkalmazásával. Mire befejezi a könyv olvasását, készen áll majd arra, hogy olyan csodálatos keresőmotorokat építsen, amelyek a felhasználóknak megfelelő eredményeket szolgáltatnak, és amelyek az idő előrehaladtával egyre jobbak lesznek.

Chris Mattmann előszava.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.

A technológiáról

A mélytanulás a legnehezebb keresési kihívásokkal is megbirkózik, beleértve a pontatlan keresőkifejezéseket, a rosszul indexált adatokat és a minimális metaadatokkal rendelkező képek visszakeresését. Az olyan modern eszközökkel pedig, mint a DL4J és a TensorFlow, az adattudományi vagy természetes nyelvfeldolgozási (NLP) háttér nélkül is hatékony DL-technikákat alkalmazhat. Ez a könyv megmutatja, hogyan.

A könyvről

A Deep Learning for Search megtanítja, hogyan javíthatja a keresési eredményeket neurális hálózatokkal. Áttekinted, hogyan kapcsolódik a DL a keresés olyan alapjaihoz, mint az indexelés és a rangsorolás. Ezután mélyreható példákon fogsz végigmenni, hogy DL-technikákkal frissítsd a keresésedet az Apache Lucene és a Deeplearning4j segítségével. A könyv előrehaladtával olyan haladó témákat fedezhet fel, mint a képekben való keresés, a felhasználói lekérdezések fordítása és a tanulás során javuló keresőmotorok tervezése.

Mi van benne?

⬤ Pontos és releváns rangsorolás.

⬤ Keresés nyelveken átívelő keresés.

⬤ Tartalomalapú képkeresés.

⬤ Keresés ajánlásokkal.

Az olvasóról

Java vagy hasonló nyelven és a keresés alapjaiban jártas fejlesztők számára. Nem szükséges tapasztalat a mélytanulással vagy NLP-vel kapcsolatban.

A szerzőről

Tommaso Teofili szoftvermérnök, akinek szenvedélye a nyílt forráskód és a gépi tanulás. Az Apache Software Foundation tagjaként számos nyílt forráskódú projekthez járul hozzá, olyan témáktól kezdve, mint az információkeresés (például a Lucene és a Solr), a természetes nyelvfeldolgozás és a gépi fordítás (többek között az OpenNLP, a Joshua és az UIMA).

Jelenleg az Adobe-nál dolgozik, keresési és indexelési infrastruktúra-elemeket fejleszt, valamint a természetes nyelvfeldolgozás, az információkeresés és a mélytanulás területén végez kutatásokat. Keresési és gépi tanulási előadásokat tartott többek között a BerlinBuzzwords, az International Conference on Computational Science, az ApacheCon és az EclipseCon konferenciákon. A Twitteren a @tteofili címen érhető el.

Tartalomjegyzék

1. RÉSZ - A KERESÉS ÉS A MÉLYTANULÁS TALÁLKOZÁSA.

⬤ Neurális keresés.

⬤ Szinonimák generálása.

2. RÉSZ - NEURÁLIS HÁLÓK BEVETÉSE EGY KERESŐMOTORBAN.

⬤ A sima kereséstől a szöveggenerálásig.

⬤ Több érzékenyebb lekérdezési javaslatok.

⬤ Keresési eredmények rangsorolása szóbeágyazásokkal.

⬤ Dokumentum beágyazások rangsoroláshoz és ajánlásokhoz.

3. RÉSZ - EGY LÉPÉSSEL TOVÁBB.

⬤ Keresés nyelvek között.

⬤ Tartalomalapú képkeresés.

⬤ Egy pillantás a teljesítményre.