新書推薦：
《
敢为天下先：三年建成港科大
》
售價：HK$
79.4
《
长高食谱 让孩子长高个的饮食方案 0-15周岁儿童调理脾胃食谱书籍宝宝辅食书 让孩子爱吃饭 6-9-12岁儿童营养健康食谱书大全 助力孩子身体棒胃口好长得高
》
售價：HK$
48.3
《
身体自愈力：解决内在病因的身体智慧指南
》
售價：HK$
101.2
《
非言语沟通经典入门：影响人际交往的重要力量（第7版）
》
售價：HK$
126.4
《
山西寺观艺术壁画精编卷
》
售價：HK$
1725.0
《
中国摄影 中式摄影的独特魅力
》
售價：HK$
1127.0
《
山西寺观艺术彩塑精编卷
》
售價：HK$
1725.0
《
积极心理学
》
售價：HK$
57.3
|
| 內容簡介： |
|
本书包括五个部分：第yi部分介绍文本情感分析的研究背景、研究现状和基础技术；第二部分从内容语义理解的角度出发，介绍基于隐式表达的讽刺检测技术；第三部分从用户个性化建模的角度出发，介绍多轮对话中的情绪分析技术；第四部分介绍小样本场景下的立场检测解决方案；第五部分介绍对抗攻击场景下的情感分类防御技术。
|
| 關於作者： |
|
林政 中国科学院信息工程研究所研究员、博士生导师，中国科学院信息工程研究所第三研究室IIE-NLP小组负责人。主要研究领域是自然语言处理、网络内容安全，具体包括情感/情绪分析、机器阅读理解、神经网络模型压缩等研究任务。在2018、2019年连续获得两届全国“军事智能-机器阅读”挑战赛冠军。2020年在常识推理阅读国际比赛排行榜上取得了三个任务的名。近几年在TASLP、ACL、EMNLP、AAAI、IJCAI、WWW、CIKM、WSDM、ICMR等国内外学术会议和期刊上发表论文50篇，入选科技部F5000优秀论文，获得国家自然科学基金青年项目、面上项目、国家重点研发计划等多个项目资助。
|
| 目錄：
|
|
目录前言部分第1章 概述21.1文本情感分析相关概念21.2文本情感分析方法41.2.1基于知识库的方法41.2.2基于机器学习的方法41.2.3基于深度学习的方法51.3情感分析的应用51.3.1商业领域51.3.2文化领域61.3.3社会管理71.3.4信息预测71.3.5情绪管理81.3.6智能客服81.4情感分析面临的困难91.5机遇和挑战91.6本章小结10第2章文本情感分析基础132.1有监督学习132.2无监督学习132.3半监督学习142.4词向量142.4.1词向量表示的演化过程142.4.2词嵌入方法152.5卷积神经网络182.5.1卷积层192.5.2激活函数层202.5.3池化层212.5.4全连接层222.6循环神经网络222.7记忆网络242.8预训练模型252.8.1模型结构252.8.2预训练任务272.9本章小结27第二部分第3章基于文本片段不一致性的讽刺检测模型323.1任务与术语323.2片段不一致性323.3自注意力机制333.4模型框架333.4.1总体框架333.4.2输入模块343.4.3卷积模块343.4.4重要性权重模块343.4.5注意力机制模块353.4.6输出模块353.4.7训练目标363.5实验设计和结果分析363.5.1数据集介绍363.5.2实验环境和设置373.5.3基线模型373.5.4对比实验结果373.5.5消融实验结果393.5.6模型分析393.6应用实践413.7本章小结42第4章基于常识知识的讽刺检测444.1任务与术语444.2常识知识资源444.3知识生成方法454.4知识选择方法454.5知识融合方法464.6模型框架474.7实验设计和结果分析474.7.1数据集介绍474.7.2实验环境和设置484.7.3基线模型484.7.4对比实验结果484.7.5消融实验结果504.7.6模型分析504.8应用实践524.9本章小结53第5章基于多模态数据的讽刺检测555.1任务与术语555.2模态内注意力555.3模态间注意力565.4模型框架575.5实验设计和结果分析575.5.1数据集介绍575.5.2实验环境和设置585.5.3基线模型585.5.4对比实验结果595.5.5消融实验结果595.5.6模型分析605.6应用实践615.7本章小结63第三部分第6章基于用户建模的对话情绪分析666.1任务与术语666.2层级Transformer和Mask机制696.3自己-自己关系建模716.4自己-其他关系建模726.5用户关系权重选择726.6模型框架736.7应用实践766.7.1常用数据集766.7.2其他对话用户关系建模模型766.7.3实验结果776.8本章小结80第7章基于过去、现在和未来的对话情绪分析847.1任务与术语847.2常识知识库857.2.1ATOMIC常识知识库867.2.2COMET知识生成模型877.2.3COMETATOMIC2020知识生成模型887.3图神经网络887.4基于知识的情绪预测927.4.1知识增强的Transformer937.4.2COSMIC情绪预测模型947.5对话上下文交互图构建957.6模型框架977.7应用实践987.8本章小结99第8章基于平衡特征空间的不平衡情绪分析1028.1情绪分析中的不平衡问题1028.2基于重采样的平衡策略1038.3基于重权重化的平衡策略1048.3.1类别平衡损失函数1048.3.2标签分布感知的间隔损失函数1068.4基于数据增强的平衡策略1078.4.1计算机视觉中的基于数据增强的平衡策略1078.4.2自然语言处理中的数据增强方法1088.5Focal损失函数1088.6自我调整的Dice损失函数1098.7中心损失函数1108.8三元组中心损失函数1108.9马氏分布中心1118.10特征空间平衡损失函数1128.11应用实践1138.11.1代码实现1138.11.2实验性能1158.12本章小结117第四部分第9章基于语义-情绪知识的跨目标立场检测1229.1任务描述1229.2立场检测基础模型1239.3语义知识和情绪知识1239.4模型框架1249.5语义-情绪图建模1259.6知识增强的BiLSTM网络1259.7立场检测分类器1279.8模型应用1279.8.1实验说明1279.8.2实验结果与分析1289.9本章小结129第10章基于元学习的跨领域立场检测13110.1元学习概念13110.2有监督元学习13110.2.1基于度量的元学习方法13110.2.2基于模型的元学习方法13310.2.3基于优化的元学习方法13510.3MAML算法13610.4基于元学习的立场检测模型13710.5应用实践13810.5.1数据集介绍13810.5.2实验细节13910.5.3对比模型13910.5.4实验结果13910.5.5核心代码14010.6本章小结142第11章知识增强的零样本和小样本立场检测14411.1任务与术语14411.2概念知识图14511.3多关系图神经网络14611.4基于多关系图神经网络的知识图编码14711.5知识增强的立场检测模型14711.6应用实践14911.6.1实验设置14911.6.2核心代码14911.6.3对比方法15211.6.4实验结果与分析15211.7本章小结154第五部分第12章面向情感分类的对抗攻击15812.1对抗样本的概念15812.1.1对抗样本的提出15812.1.2对抗样本的定义15912.2扰动控制16012.2.1编辑距离16012.2.2欧氏距离16012.2.3余弦距离16112.2.4Jaccard相似系数16112.2.5单词移动距离16112.2.6各种指标的应用16112.3白盒攻击与黑盒攻击16212.4目标攻击与非目标攻击16
|
| 內容試閱：
|
|
前言文本情感分析是自然语言处理、人工智能与认知科学等领域的重要研究方向之一。通过计算机自动进行文本情感分析的研究始于20世纪90年代，早期研究以文本情感分类为主，即把文本按照主观倾向性分成正面、负面和中性三类。其中正面类别是指文本体现出支持的、积极的、喜欢的态度和立场，负面类别是指文本体现出反对的、消极的、厌恶的态度和立场，中性类别是指没有偏向的态度和立场。随着互联网的飞速发展，人们越来越习惯于在社交网络上发表主观性言论。社交网络中的大量用户生成数据为情感分析提供了新的机遇，同时也带来了新的挑战。从内容的角度看，很多言论所蕴含的情感是隐式的，而机器很难从表面文字推理言外之意；从用户的角度看，每个人的性格不同导致情感表达的方式也不同，所以要考虑用户特征进行个性化情感分析，不能一概而论；从语料的角度看，对于低资源领域或者任务，已有的数据驱动模型难以取得令人满意的效果；从鲁棒性和安全性的角度看，现有的深度学习模型很容易受到不易觉察的对抗攻击，从而产生错误的情感预测。因此，传统的文本情感分析方法已经难以满足复杂网络数据的分析需求。此外，随着个性化推荐、用户画像分析、对话机器人等新技术和新应用的兴起，相关的情感分析技术也需要不断升级，从而提供更加智能化、更加人性化、更加共情的情感分析服务。本书针对以上挑战，全面系统地介绍高级文本情感分析的核心技术与应用实践。本书包括五个部分：部分介绍文本情感分析的研究背景、研究现状和基础技术；第二部分从内容语义理解的角度出发，介绍基于隐式表达的讽刺检测技术；第三部分从用户个性化建模的角度出发，介绍多轮对话中的情绪分析技术；第四部分介绍小样本场景下的立场检测解决方案；第五部分介绍对抗攻击场景下的情感分类防御技术。本书可以为人工智能、机器学习、自然语言处理和社会计算等领域的从业者和科研人员提供一些前沿视野及相关理论、方法和技术，如基于隐式表达的讽刺检测、面向个性化的多轮对话情绪分析、小样本场景下的立场检测等，也可作为相关专业高年级本科生或研究生的参考教材。由于作者水平有限，因此尽管尽了的努力，但书中依然难免存在疏漏和错误之处，敬请广大专家、读者批评指正。作者2023年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
