Embeddings in Natural Language Processing: Teoria e progressi nelle rappresentazioni vettoriali del significato

Recensioni dei lettori

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

Titolo originale:

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

Contenuto del libro:

Le incorporazioni sono state senza dubbio una delle aree di ricerca più influenti nell'elaborazione del linguaggio naturale (NLP). La codifica delle informazioni in una rappresentazione vettoriale a bassa dimensione, facilmente integrabile nei moderni modelli di apprendimento automatico, ha svolto un ruolo centrale nello sviluppo dell'NLP. Le tecniche di incorporazione si sono inizialmente concentrate sulle parole, ma l'attenzione ha cominciato presto a spostarsi su altre forme: dalle strutture a grafo, come le basi di conoscenza, ad altri tipi di contenuti testuali, come frasi e documenti.

Questo libro fornisce una sintesi di alto livello delle principali tecniche di embedding in NLP, in senso lato. Il libro inizia spiegando i modelli convenzionali di spazio vettoriale di parole e le incorporazioni di parole (ad esempio, Word2Vec e GloVe), per poi passare ad altri tipi di incorporazioni, come le incorporazioni di senso delle parole, di frasi e documenti e di grafi. Il libro fornisce anche una panoramica dei recenti sviluppi delle rappresentazioni contestualizzate (ad esempio, ELMo e BERT) e spiega il loro potenziale in NLP.

Nel libro il lettore può trovare sia le informazioni essenziali per comprendere un determinato argomento da zero, sia un'ampia panoramica delle tecniche di maggior successo sviluppate in letteratura.