Apprendimento automatico per il testo

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 3 voti.

Titolo originale:

Machine Learning for Text

Contenuto del libro:

Questo libro di testo, giunto alla seconda edizione, presenta un quadro organizzato in modo coerente per l'analisi del testo, che integra materiale tratto dagli argomenti intersecanti del reperimento delle informazioni, dell'apprendimento automatico e dell'elaborazione del linguaggio naturale. Particolare importanza viene data ai metodi di deep learning. I capitoli di questo libro abbracciano tre grandi categorie: 1. Algoritmi di base: I capitoli da 1 a 7 trattano gli algoritmi classici per l'analisi del testo, come la preelaborazione, il calcolo della similarità, la modellazione degli argomenti, la fattorizzazione della matrice, il clustering, la classificazione, la regressione e l'analisi d'insieme.

2. Apprendimento sensibile al dominio e recupero delle informazioni: I capitoli 8 e 9 trattano dei modelli di apprendimento in contesti eterogenei, come la combinazione di testo e multimedia o di link Web. Il problema del reperimento delle informazioni e della ricerca sul Web viene discusso anche nel contesto della sua relazione con i metodi di ranking e di apprendimento automatico. 3. Elaborazione del linguaggio naturale: I capitoli da 10 a 16 trattano varie applicazioni incentrate sulle sequenze e sul linguaggio naturale, come l'ingegneria delle caratteristiche, i modelli linguistici neurali, l'apprendimento profondo, i trasformatori, i modelli linguistici preaddestrati, la sintesi del testo, l'estrazione di informazioni, i grafi di conoscenza, la risposta alle domande, l'estrazione di opinioni, la segmentazione del testo e il rilevamento di eventi.

Rispetto alla prima edizione, questa seconda edizione del libro di testo (che si rivolge principalmente a studenti di livello avanzato che si stanno specializzando in informatica e matematica) contiene un numero sostanzialmente maggiore di materiale sull'apprendimento profondo e sull'elaborazione del linguaggio naturale. L'attenzione si concentra su argomenti come i trasformatori, i modelli linguistici pre-addestrati, i grafi di conoscenza e la risposta alle domande.