Embeddings in Natural Language Processing: Theory and Advances in Vector Representations of Meaning (Elmélet és előrelépés a jelentés vektoros reprezentációiban)

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.

Eredeti címe:

Embeddings in Natural Language Processing: Theory and Advances in Vector Representations of Meaning

Könyv tartalma:

A beágyazások kétségtelenül az egyik legbefolyásosabb kutatási terület a természetes nyelvfeldolgozásban (NLP). Az információ alacsony dimenziós vektorreprezentációba történő kódolása, amely könnyen integrálható a modern gépi tanulási modellekbe, központi szerepet játszott az NLP fejlődésében. A beágyazási technikák kezdetben a szavakra összpontosítottak, de a figyelem hamarosan más formákra is kezdett átterelődni: a gráfstruktúrákról, mint például a tudásbázisok, más típusú szöveges tartalmakra, mint például a mondatokra és a dokumentumokra.

Ez a könyv magas szintű szintézist nyújt a tág értelemben vett NLP főbb beágyazási technikáiról. A könyv a hagyományos szóvektortér-modellek és szóbeágyazások (pl. Word2Vec és GloVe) ismertetésével kezdődik, majd áttér a beágyazások más típusaira, például a szóérzék-, mondat- és dokumentum-, valamint gráfbeágyazásokra. A könyv áttekintést nyújt a kontextusfüggő reprezentációk (pl. ELMo és BERT) legújabb fejlesztéseiről is, és kifejti a bennük rejlő lehetőségeket az NLP-ben.

A könyvben az olvasó egyszerre talál alapvető információkat egy-egy téma alapos megértéséhez, és átfogó áttekintést a szakirodalomban kifejlesztett legsikeresebb technikákról.