Apprendimento profondo per la ricerca

Recensioni dei lettori

Il libro “Deep Learning for Search” è apprezzato per la bella scrittura e l'accessibilità, che rende gli argomenti tecnici più facili da capire. Offre esempi pratici utilizzando Java e Apache Lucene, per soddisfare le esigenze di chi è interessato alle tecnologie di ricerca. Tuttavia, alcuni lettori ritengono che sia eccessivamente incentrato su Lucene, che manchi di profondità nei concetti di deep learning e che potrebbe non soddisfare le aspettative degli utenti esperti che cercano approfondimenti più avanzati.

⬤ Scritto in modo eccellente e facile da leggere, paragonabile a un romanzo.
⬤ Fornisce esempi pratici utilizzando Java e Apache Lucene.
⬤ Buona introduzione ai concetti di deep learning.
⬤ Offre idee utili applicabili nel lavoro professionale.

⬤ Manca di profondità nel deep learning, concentrandosi troppo su Apache Lucene.
⬤ Può risultare poco interessante per i lettori con una significativa esperienza in Lucene o in tecnologie correlate.
⬤ Argomento di nicchia che potrebbe non interessare un pubblico più ampio.

(basato su 4 recensioni dei lettori)

Titolo originale:

Deep Learning for Search

Contenuto del libro:

Sintesi

Deep Learning for Search insegna come migliorare l'efficacia della ricerca implementando tecniche basate sulle reti neurali. Quando avrete finito il libro, sarete pronti a costruire motori di ricerca straordinari che forniscano i risultati richiesti dagli utenti e che migliorino con il passare del tempo.

Prefazione di Chris Mattmann.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

L'apprendimento profondo gestisce le sfide di ricerca più difficili, tra cui termini di ricerca imprecisi, dati male indicizzati e recupero di immagini con metadati minimi. Grazie a strumenti moderni come DL4J e TensorFlow, è possibile applicare potenti tecniche di apprendimento profondo senza avere un background approfondito nella scienza dei dati o nell'elaborazione del linguaggio naturale (NLP). Questo libro vi mostrerà come.

Informazioni sul libro

Deep Learning for Search insegna a migliorare i risultati delle ricerche con le reti neurali. Verrà esaminato il modo in cui la DL si collega alle basi della ricerca, come l'indicizzazione e il ranking. Poi, attraverso esempi approfonditi, migliorerete la vostra ricerca con tecniche di DL utilizzando Apache Lucene e Deeplearning4j. Nel corso del libro si esploreranno argomenti avanzati come la ricerca per immagini, la traduzione delle query degli utenti e la progettazione di motori di ricerca che migliorano man mano che imparano.

Cosa c'è dentro

⬤ Classificazioni accurate e pertinenti.

⬤ Ricerca tra le varie lingue.

⬤ Ricerca per immagini basata sui contenuti.

⬤ Ricerca con raccomandazioni.

Informazioni sul lettore

Per sviluppatori con familiarità con Java o un linguaggio simile e con le basi della ricerca. Non è necessaria alcuna esperienza di deep learning o NLP.

Informazioni sull'autore

Tommaso Teofili è un ingegnere del software con la passione per l'open source e l'apprendimento automatico. Come membro della Apache Software Foundation, contribuisce a numerosi progetti open source, che spaziano da argomenti come il reperimento di informazioni (come Lucene e Solr) all'elaborazione del linguaggio naturale e alla traduzione automatica (tra cui OpenNLP, Joshua e UIMA).

Attualmente lavora presso Adobe, sviluppando componenti dell'infrastruttura di ricerca e indicizzazione e svolgendo ricerche nelle aree dell'elaborazione del linguaggio naturale, del recupero delle informazioni e dell'apprendimento profondo. Ha presentato interventi sulla ricerca e sull'apprendimento automatico a conferenze come BerlinBuzzwords, International Conference on Computational Science, ApacheCon, EclipseCon e altre. È possibile trovarlo su Twitter all'indirizzo @tteofili.

Indice dei contenuti

PARTE 1 - LA RICERCA INCONTRA IL DEEP LEARNING.

⬤ Ricerca neurale.

⬤ Generazione di sinonimi.

PARTE 2 - LE RETI NEURALI PER UN MOTORE DI RICERCA.

⬤ Dal semplice recupero alla generazione di testo.

⬤ Suggerimenti di query più sensibili.

⬤ Classificare i risultati della ricerca con le incorporazioni di parole.

⬤ Incorporamento di documenti per classifiche e raccomandazioni.

PARTE 3 - UN PASSO OLTRE.

⬤ Ricerca tra le lingue.

⬤ Ricerca di immagini basata sui contenuti.

⬤ Uno sguardo alle prestazioni.