大数据智能：数据驱动的自然语言处理技术
| 作者 |
| 刘知远 |
| 丛书名 |
| 大数据丛书 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121375385 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书是介绍大数据智能、人工智能技术的科普书籍，旨在让更多人了解和学习互联网时代的人工智能技术——自然语言处理技术，让大数据智能技术更好地为我们服务。全书包括大数据智能基础、技术和应用三部分，共14章。基础部分有3章：第1章以深度学习为例介绍大数据智能的计算框架；第2章以知识图谱为例介绍大数据智能的知识库；第3章介绍大数据的计算处理系统。技术部分有6章，分别介绍机器翻译、主题模型、情感分析与意见挖掘、智能问答与对话系统、个性化推荐、机器写作。应用部分有5章，分别介绍社交商业数据挖掘、智慧医疗、智慧司法、智慧金融、计算社会科学。本书后记部分为读者追踪大数据智能的最新学术资料提供了建议。 |
| 目录 |
| 1 深度计算——机器大脑的结构 1 1.1 惊人的深度学习 ................................................................................... 1 1.1.1 可以做酸奶的面包机：通用机器的概念 ................................ 2 1.1.2 连接主义 .................................................................................... 4 1.1.3 用机器设计机器 ........................................................................ 5 1.1.4 深度网络 .................................................................................... 6 1.1.5 深度学习的用武之地 ................................................................ 6 1.2 从人脑神经元到人工神经元 ............................................................... 8 1.2.1 生物神经元中的计算灵感 ........................................................ 8 1.2.2 激活函数 .................................................................................... 9 1.3 参数学习 ............................................................................................. 10 1.3.1 模型的评价 .............................................................................. 11 1.3.2 有监督学习 .............................................................................. 11 1.3.3 梯度下降法 .............................................................................. 12 1.4 多层前馈网络 ..................................................................................... 14 1.4.1 多层前馈网络 .......................................................................... 14 1.4.2 后向传播算法计算梯度 .......................................................... 16 1.5 逐层预训练 ......................................................................................... 17 1.6 深度学习是终极神器吗 ..................................................................... 20 1.6.1 深度学习带来了什么 .............................................................. 20 1.6.2 深度学习尚未做到什么 .......................................................... 21 1.7 内容回顾与推荐阅读 ......................................................................... 22 1.8 参考文献 ............................................................................................. 23 2 知识图谱——机器大脑中的知识库 25 2.1 什么是知识图谱 ................................................................................. 25 2.2 知识图谱的构建 ................................................................................. 28 2.2.1 大规模知识库 .......................................................................... 28 2.2.2 互联网链接数据 ...................................................................... 29 2.2.3 互联网网页文本数据 .............................................................. 30 2.2.4 多数据源的知识融合 .............................................................. 31 2.3 知识图谱的典型应用 ......................................................................... 32 2.3.1 查询理解 .................................................................................. 32 2.3.2 自动问答 .................................................................................. 34 2.3.3 文档表示 .................................................................................. 35 2.4 知识图谱的主要技术 ......................................................................... 36 2.4.1 实体链指 .................................................................................. 36 2.4.2 关系抽取 .................................................................................. 37 2.4.3 知识推理 .................................................................................. 39 2.4.4 知识表示 .................................................................................. 40 2.5 前景与挑战 ......................................................................................... 42 2.6 内容回顾与推荐阅读 ......................................................................... 45 2.7 参考文献 ............................................................................................. 45 3 大数据系统——大数据背后的支撑技术 47 3.1 大数据有多大 ..................................................................................... 47 3.2 高性能计算技术 ................................................................................. 49 3.2.1 超级计算机的组成 .................................................................. 49 3.2.2 并行计算的系统支持 .............................................................. 51 3.3 虚拟化和云计算技术 ......................................................................... 55 3.3.1 虚拟化技术 .............................................................................. 56 3.3.2 云计算服务 .............................................................................. 58 3.4 基于分布式计算的大数据系统 ......................................................... 59 3.4.1 Hadoop 生态系统 .................................................................... 60 3.4.2 Spark ........................................................................................ 67 3.4.3 典型的大数据基础架构 .......................................................... 68 3.5 大规模图计算 ..................................................................................... 69 3.5.1 分布式图计算框架 .................................................................. 70 3.5.2 高效的单机图计算框架 .......................................................... 71 3.6 NoSQL ................................................................................................ 72 3.6.1 NoSQL 数据库的类别 ............................................................ 72 3.6.2 MongoDB 简介 ........................................................................ 74 3.7 内容回顾与推荐阅读 ......................................................................... 76 3.8 参考文献 ............................................................................................. 77 4 主题模型——机器的智能摘要利器 78 4.1 由文档到主题 ..................................................................................... 78 4.2 主题模型出现的背景 ......................................................................... 80 4.3 第一个主题模型：潜在语义分析 ..................................................... 81 4.4 第一个正式的概率主题模型 ............................................................. 84 4.5 第一个正式的贝叶斯主题模型 ......................................................... 85 4.6 LDA 的概要介绍 ................................................................................ 86 4.6.1 LDA 的延伸理解：主题模型广义理解 ................................. 90 4.6.2 模型求解 .................................................................................. 92 4.6.3 模型评估 .................................................................................. 93 4.6.4 模型选择：主题数目的确定 .................................................. 94 4.7 主题模型的变形与应用 ..................................................................... 95 4.7.1 基于 LDA 的变种模型 ............................................................ 95 4.7.2 基于 LDA 的典型应用 ............................................................ 97 4.7.3 基于主题模型的新浪名人话题排行榜应用 ........................ 100 4.8 内容回顾与推荐阅读 ....................................................................... 104 4.9 参考文献 ........................................................................................... 105 5 机器翻译——机器如何跨越语言障碍 110 5.1 机器翻译的意义 ............................................................................... 110 5.2 机器翻译的发展历史 ....................................................................... 111 5.2.1 基于规则的机器翻译 ............................................................ 112 5.2.2 基于语料库的机器翻译 ........................................................ 112 5.2.3 基于神经网络的机器翻译 .................................................... 114 5.3 经典的神经网络机器翻译模型 ....................................................... 114 5.3.1 基于循环神经网络的神经网络机器翻译 ............................ 114 5.3.2 从卷积序列到序列模型 ........................................................ 117 5.3.3 基于自注意力机制的 Transformer 模型 .............................. 118 5.4 机器翻译译文质量评价 ................................................................... 120 5.5 机器翻译面临的挑战 ....................................................................... 121 5.6 参考文献 ........................................................................................... 123 6 情感分析与意见挖掘——机器如何了解人类情感 125 6.1 情感可以计算吗 ............................................................................... 125 6.2 哪里需要文本情感分析 ................................................................... 126 6.2.1 情感分析的宏观反映 ............................................................ 127 6.2.2 情感分析的微观特征 ............................................................ 128 6.3 情感分析的主要研究问题 ............................................................... 129 6.4 情感分析的主要方法 ....................................................................... 132 6.4.1 构成情感和观点的基本元素 ................................................ 132 6.4.2 情感极性与情感词典 ............................................................ 134 6.4.3 属性－观点对 ........................................................................ 141 6.4.4 情感极性分析 ........................................................................ 143 6.5 主要的情感分析资源 ....................................................................... 148 6.6 前景与挑战 ....................................................................................... 149 6.7 内容回顾与推荐阅读 ....................................................................... 150 6.8 参考文献 ........................................................................................... 151 7 智能问答与对话系统——智能助手是如何炼成的 154 7.1 问答：图灵测试的基本形式 ........................................................... 154 7.2 从问答到对话 ................................................................................... 155 7.2.1 对话系统的基本过程 ............................................................ 156 7.2.2 文本对话系统的常见场景 .................................................... 157 7.3 问答系统的主要组成 ....................................................................... 159 7.4 文本问答系统 ................................................................................... 161 7.4.1 问题理解 ................................................................................ 161 7.4.2 知识检索 ................................................................................ 165 7.4.3 答案生成 ................................................................................ 169 7.5 端到端的阅读理解问答技术 ........................................................... 169 7.5.1 什么是阅读理解任务 ............................................................ 170 7.5.2 阅读理解任务的模型 ............................................................ 172 7.5.3 阅读理解任务的其他工程技巧 ............................................ 173 7.6 社区问答系统 ................................................................................... 174 7.6.1 社区问答系统的结构 ............................................................ 174 7.6.2 相似问题检索 ........................................................................ 175 7.6.3 答案过滤 ................................................................................ 177 7.6.4 社区问答的应用 .................................................................... 177 7.7 多媒体问答系统 ............................................................................... 179 7.8 大型问答系统案例：IBM 沃森问答系统 ...................................... 181 7.8.1 沃森的总体结构 .................................................................... 182 7.8.2 问题解析 ................................................................................ 182 7.8.3 知识储备 ................................................................................ 183 7.8.4 检索和候选答案生成 ............................................................ 184 7.8.5 可信答案确定 ........................................................................ 184 7.9 前景与挑战 ....................................................................................... 186 7.10 内容回顾与推荐阅读 ..................................................................... 186 7.11 参考文献 ......................................................................................... 187 8 个性化推荐系统——如何了解计算机背后的他 190 8.1 什么是推荐系统 ............................................................................... 190 8.2 推荐系统的发展历史 ....................................................................... 191 8.2.1 推荐无处不在 ........................................................................ 192 8.2.2 从千人一面到千人千面 ........................................................ 193 8.3 个性化推荐的基本问题 ................................................................... 194 8.3.1 推荐系统的输入 .................................................................... 194 8.3.2 推荐系统的输出 .................................................................... 196 8.3.3 个性化推荐的基本形式 ........................................................ 197 8.3.4 推荐系统的三大核心问题 .................................................... 198 8.4 典型推荐算法浅析 ........................................................................... 199 8.4.1 推荐算法的分类 .................................................................... 199 8.4.2 典型推荐算法介绍 ................................................................ 200 8.4.3 基于矩阵分解的打分预测 .................................................... 207 8.4.4 基于神经网络的推荐算法 .................................................... 213 8.5 推荐的可解释性 ............................................................................... 214 8.6 推荐算法的评价 ............................................................................... 217 8.6.1 评分预测的评价 .................................................................... 218 8.6.2 推荐列表的评价 .................................................................... 219 8.6.3 推荐理由的评价 .................................................................... 220 8.7 前景与挑战：我们走了多远 ........................................................... 221 8.7.1 推荐系统面临的问题 ............................................................ 221 8.7.2 推荐系统的新方向 ................................................................ 223 8.8 内容回顾与推荐阅读 ....................................................................... 225 8.9 参考文献 ........................................................................................... 226 9 机器写作——从分析到创造 228 9.1 什么是机器写作 ............................................................................... 228 9.2 艺术写作 ........................................................................................... 229 9.2.1 机器写诗 ................................................................................ 229 9.2.2 AI 对联 ................................................................................... 233 9.3 当代写作 ........................................................................................... 236 9.3.1 机器写稿 ................................................................................ 236 9.3.2 机器故事生成 ........................................................................ 239 9.4 内容回顾 ........................................................................................... 241 9.5 参考文献 ........................................................................................... 242 10 社交商业数据挖掘——从用户数据挖掘到商业智能应用 243 10.1 社交媒体平台中的数据宝藏 ......................................................... 243 10.2 打通网络社区的束缚：用户网络社区身份的链指与融合 ......... 245 10.3 揭开社交用户的面纱：用户画像的构建 ..................................... 247 10.3.1 基于显式社交属性的构建方法 .......................................... 247 10.3.2 基于网络表示学习的构建方法 .......................................... 249 10.3.3 产品受众画像的构建 .......................................................... 250 10.4 了解用户的需求：用户消费意图的识别 ..................................... 254 10.4.1 个体消费意图识别 .............................................................. 254 10.4.2 群体消费意图识别 .............................................................. 256 10.5 精准的供需匹配：面向社交平台的产品推荐算法 ..................... 258 10.5.1 候选产品列表生成 .............................................................. 258 10.5.2 基于学习排序算法的推荐框架 .......................................... 259 10.5.3 基于用户属性的排序特征构建 .......................................... 260 10.5.4 推荐系统的整体设计概览 .................................................. 261 10.6 前景与挑战 ..................................................................................... 262 10.7 内容回顾与推荐阅读 ..................................................................... 263 10.8 参考文献 ......................................................................................... 264 11 智慧医疗——信息技术在医疗领域应用的结晶 265 11.1 智慧医疗的起源 ............................................................................. 265 11.2 智慧医疗的庐山真面目 ................................................................. 267 11.3 智慧医疗中的人工智能应用 ......................................................... 268 11.3.1 医疗过程中的人工智能应用 .............................................. 268 11.3.2 医疗研究中的人工智能应用 .............................................. 272 11.4 前景与挑战 ..................................................................................... 273 11.5 内容回顾与推荐阅读 ..................................................................... 275 11.6 参考文献 ......................................................................................... 275 12 智慧司法——智能技术促进司法公正 276 12.1 智能技术与法律的碰撞 ................................................................. 276 12.2 智慧司法相关研究 ......................................................................... 277 12.2.1 法律智能的早期研究 .......................................................... 278 12.2.2 判决预测：虚拟法官的诞生与未来 .................................. 279 12.2.3 文书生成：司法过程简化 .................................................. 283 12.2.4 要素提取：司法结构化 ...................................................... 285 12.2.5 类案匹配：解决一案多判 .................................................. 289 12.2.6 司法问答：让机器理解法律 .............................................. 292 12.3 智慧司法的期望偏差与应用挑战 ................................................. 293 12.3.1 智慧司法的期望偏差 .......................................................... 293 12.3.2 智慧司法的应用挑战 .......................................................... 294 12.4 内容回顾与推荐阅读 ..................................................................... 295 12.5 参考文献 ......................................................................................... 295 13 智能金融——机器金融大脑 298 13.1 智能金融正当其时 ......................................................................... 298 13.1.1 什么是智能金融 .................................................................. 298 13.1.2 智能金融与金融科技、互联网金融的异同 ...................... 298 13.1.3 智能金融适时而生 .............................................................. 299 13.2 智能金融技术 ................................................................................. 301 13.2.1 大数据的机遇与挑战 .......................................................... 301 13.2.2 智能金融中的自然语言处理 .............................................. 303 13.2.3 金融事理图谱 ...................................................................... 307 13.2.4 智能金融中的深度学习 ...................................................... 310 13.3 智能金融应用 ................................................................................. 314 13.3.1 智能投顾 .............................................................................. 314 13.3.2 智能研报 .............................................................................. 315 13.3.3 智能客服 .............................................................................. 316 13.4 前景与挑战 ..................................................................................... 317 13.5 内容回顾与推荐阅读 ..................................................................... 319 13.6 参考文献 ......................................................................................... 319 14 计算社会学——透过大数据了解人类社会 320 14.1 透过数据了解人类社会 ................................................................. 320 14.2 面向社会媒体的自然语言使用分析 ............................................. 321 14.2.1 词汇的时空传播与演化 ...................................................... 322 14.2.2 语言使用与个体差异 .......................................................... 325 14.2.3 语言使用与社会地位 .......................................................... 326 14.2.4 语言使用与群体分析 .......................................................... 328 14.3 面向社会媒体的自然语言分析应用 ............................................. 330 14.3.1 社会预测 .............................................................................. 330 14.3.2 霸凌现象定量分析 .............................................................. 331 14.4 未来研究的挑战与展望 ................................................................. 332 14.5 参考文献 ......................................................................................... 333 后记 334 |
有问题微信扫码联系