自然語(yǔ)言處理導(dǎo)論
鏈接：https://pan.baidu.com/s/1XIEwqnGnLtCLI3mOLcAGsw?pwd=933x?
提取碼：933x
自然語(yǔ)言處理是人工智能的重要方向之一，被譽(yù)為人工智能皇冠上的“明珠”。它融合了語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)等多學(xué)科內(nèi)容。本書(shū)主要包含基礎(chǔ)技術(shù)、核心技術(shù)以及模型分析三個(gè)部分。基礎(chǔ)技術(shù)部分主要介紹自然語(yǔ)言處理的基礎(chǔ)任務(wù)和底層技術(shù)，包含詞匯分析、句法分析、語(yǔ)義分析、篇章分析和語(yǔ)言模型；核心技術(shù)部分主要介紹自然語(yǔ)言處理應(yīng)用任務(wù)和相關(guān)技術(shù)，主要包括信息抽取、機(jī)器翻譯、情感分析、智能 問(wèn)答、文本摘要、知識(shí)圖譜；模型分析部分主要介紹基于機(jī)器學(xué)習(xí)的自然語(yǔ)言處理模型的穩(wěn)健性和可解釋性問(wèn)題。
作者簡(jiǎn)介
張奇，復(fù)旦大學(xué)計(jì)算科學(xué)技術(shù)學(xué)院教授、博士生導(dǎo)師。主要研究方向是自然語(yǔ)言處理和信息檢索，聚焦自然語(yǔ)言表示、信息抽取、魯棒性和解釋性分析等任務(wù)。兼任中國(guó)中文信息學(xué)會(huì)理事、中國(guó)中文信息學(xué)會(huì)信息檢索專(zhuān)委會(huì)常務(wù)委員、中國(guó)人工智能青年工作委員會(huì)常務(wù)委員、SIGIR Beijing Chapter組織委員會(huì)委員等。多次擔(dān)任ACL、EMNLP、COLING、全國(guó)信息檢索大會(huì)等重要國(guó)際、國(guó)內(nèi)會(huì)議的程序委員會(huì)主席、領(lǐng)域主席、講習(xí)班主席等。近年來(lái)，承擔(dān)了國(guó)家重點(diǎn)研發(fā)計(jì)劃課題、國(guó)家自然科學(xué)基金、上海市科委等多個(gè)項(xiàng)目，在國(guó)際重要學(xué)術(shù)刊物和會(huì)議上發(fā)表論文150余篇，獲得美國(guó)授權(quán)專(zhuān)利4項(xiàng)，作為第二譯者翻譯專(zhuān)著《現(xiàn)代信息檢索》。獲得WSDM 2014最佳論文提名獎(jiǎng)、COLING 2018 領(lǐng)域主席推薦獎(jiǎng)、NLPCC 2019杰出論文獎(jiǎng)、COLING 2022杰出論文獎(jiǎng)。獲得上海市“晨光計(jì)劃”人才計(jì)劃、復(fù)旦大學(xué)“卓越2025”人才培育計(jì)劃等支持，獲得錢(qián)偉長(zhǎng)中文信息處理科學(xué)技術(shù)一等獎(jiǎng)、漢王青年創(chuàng)新一等獎(jiǎng)、上海市科技進(jìn)步二等獎(jiǎng)、教育部科技進(jìn)步二等獎(jiǎng)、ACM上海新星提名獎(jiǎng)、IBM Faculty Award等獎(jiǎng)項(xiàng)。
桂韜，復(fù)旦大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室副研究員、碩士生導(dǎo)師。研究領(lǐng)域?yàn)轭A(yù)訓(xùn)練模型、信息抽取和魯棒模型。在高水平國(guó)際學(xué)術(shù)期刊和會(huì)議上發(fā)表論文40余篇，主持國(guó)家自然科學(xué)基金、計(jì)算機(jī)學(xué)會(huì)、人工智能學(xué)會(huì)的多個(gè)基金項(xiàng)目。獲錢(qián)偉長(zhǎng)中文信息處理科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)（2/5）、中國(guó)中文信息學(xué)會(huì)優(yōu)秀博士論文獎(jiǎng)、COLING 2018 最佳論文提名獎(jiǎng)、NLPCC 2019 杰出論文獎(jiǎng)，入選第七屆“中國(guó)科協(xié)青年人才托舉工程”、上海市啟明星計(jì)劃。
黃萱菁，復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授、博士生導(dǎo)師。主要從事人工智能、自然語(yǔ)言處理和信息檢索研究。兼任中國(guó)中文信息學(xué)會(huì)理事，中國(guó)計(jì)算機(jī)學(xué)會(huì)自然語(yǔ)言處理專(zhuān)委會(huì)副主任，中國(guó)人工智能學(xué)會(huì)女科技工作者委員會(huì)副主任，計(jì)算語(yǔ)言學(xué)學(xué)會(huì)亞太分會(huì)副主席，亞太信息檢索學(xué)會(huì)指導(dǎo)委員會(huì)委員。近年來(lái)，承擔(dān)了國(guó)家重點(diǎn)研發(fā)計(jì)劃課題、國(guó)家自然科學(xué)基金等多個(gè)項(xiàng)目，在國(guó)際重要學(xué)術(shù)刊物和會(huì)議上發(fā)表論文150余篇。獲錢(qián)偉長(zhǎng)中文信息處理科學(xué)技術(shù)獎(jiǎng)、上海市育才獎(jiǎng)、人工智能全球女性學(xué)者、福布斯中國(guó)科技女性等多項(xiàng)榮譽(yù)。
精彩書(shū)評(píng)
本書(shū)是張奇教授、桂韜副研究員和黃萱菁教授多年來(lái)在自然語(yǔ)言處理領(lǐng)域廣泛研究和教學(xué)成果的集結(jié)之作。經(jīng)過(guò)兩年多的精心打磨，本書(shū)全面介紹了自然語(yǔ)言處理的核心概念、算法和前沿技術(shù)，為讀者提供了一本完整指南，幫助他們理解自然語(yǔ)言處理的基礎(chǔ)理論和實(shí)踐挑戰(zhàn)。對(duì)于渴望學(xué)習(xí)自然語(yǔ)言處理的讀者來(lái)說(shuō)，本書(shū)是難得的佳作！相信自然語(yǔ)言處理領(lǐng)域的學(xué)習(xí)者和研究者都能從中獲益，并享受閱讀的過(guò)程！
劉挺
哈爾濱工業(yè)大學(xué)教授、副校長(zhǎng)
中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)士
中國(guó)中文信息學(xué)會(huì)副理事長(zhǎng)
本書(shū)全面介紹了自然語(yǔ)言處理的基礎(chǔ)理論、關(guān)鍵技術(shù)、常見(jiàn)模型和實(shí)際應(yīng)用，涵蓋了該領(lǐng)域核心研究和未來(lái)發(fā)展的重點(diǎn)。不論是從事自然語(yǔ)言處理研究的學(xué)者，還是利用該技術(shù)解決實(shí)際問(wèn)題的開(kāi)發(fā)人員，都能在本書(shū)中找到有力的理論支持和實(shí)踐指導(dǎo)。力薦本書(shū)！
周明
瀾舟科技創(chuàng)始人
中國(guó)計(jì)算機(jī)學(xué)會(huì)副理事長(zhǎng)
本書(shū)全面、詳細(xì)地介紹了自然語(yǔ)言處理技術(shù)，涵蓋從初創(chuàng)期到ChatGPT時(shí)代的主要基礎(chǔ)知識(shí)和應(yīng)用技術(shù)，可稱(chēng)為該領(lǐng)域綜述的佳作。只有經(jīng)過(guò)多年的領(lǐng)域研究，取得豐碩科研成果，并一直處于行業(yè)前沿的學(xué)者才能創(chuàng)作出如此高質(zhì)量的著作。相信本書(shū)對(duì)每位學(xué)習(xí)自然語(yǔ)言處理技術(shù)的人都會(huì)有巨大的幫助。
李航
字節(jié)跳動(dòng)科技有限公司研究部門(mén)負(fù)責(zé)人
ACM Fellow，ACL Fellow，IEEE Fellow
目錄
第1部分 基礎(chǔ)技術(shù)
第1章 緒論 2
1.1 自然語(yǔ)言處理的基本概念 2
1.1.1 自然語(yǔ)言處理簡(jiǎn)史 2
1.1.2 自然語(yǔ)言處理的主要研究?jī)?nèi)容 5
1.1.3 自然語(yǔ)言處理的主要難點(diǎn) 7
1.2 自然語(yǔ)言處理的基本范式 10
1.2.1 基于規(guī)則的方法 11
1.2.2 基于機(jī)器學(xué)習(xí)的方法 12
1.2.3 基于深度學(xué)習(xí)的方法 14
1.2.4 基于大模型的方法 15
1.3 本書(shū)內(nèi)容安排 16
第2章 詞匯分析 18
2.1 語(yǔ)言中的詞匯 18
2.1.1 詞的形態(tài)學(xué) 18
2.1.2 詞的詞性 19
2.2 詞語(yǔ)規(guī)范化 23
2.2.1 詞語(yǔ)切分 23
2.2.2 詞形還原 24
2.2.3 詞干提取 24
2.3 中文分詞 25
2.3.1 中文分詞概述 25
2.3.2 基于最大匹配的中文分詞算法 28
2.3.3 基于線性鏈條件隨機(jī)場(chǎng)的中文分詞算法 29
2.3.4 基于感知器的中文分詞算法 31
2.3.5 基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的中文分詞算法 34
2.3.6 中文分詞評(píng)測(cè)方法 36
2.3.7 中文分詞語(yǔ)料庫(kù) 37
2.4 詞性標(biāo)注 38
2.4.1 基于規(guī)則的詞性標(biāo)注 39
2.4.2 基于隱馬爾可夫模型的詞性標(biāo)注 40
2.4.3 基于卷積神經(jīng)網(wǎng)絡(luò)的詞性標(biāo)注 42
2.4.4 詞性標(biāo)注評(píng)測(cè)方法 44
2.4.5 詞性標(biāo)注語(yǔ)料庫(kù) 45
2.5 延伸閱讀 46
2.6 習(xí)題 47
第3章 句法分析 48
3.1 句法概述 48
3.1.1 成分語(yǔ)法理論概述 49
3.1.2 依存語(yǔ)法理論概述 51
3.2 成分句法分析 53
3.2.1 基于上下文無(wú)關(guān)語(yǔ)法的成分句法分析 54
3.2.2 基于概率上下文無(wú)關(guān)語(yǔ)法的成分句法分析 59
3.2.3 成分句法分析評(píng)測(cè)方法 67
3.3 依存句法分析 69
3.3.1 基于圖的依存句法分析 70
3.3.2 基于神經(jīng)網(wǎng)絡(luò)的圖依存句法分析 74
3.3.3 基于轉(zhuǎn)移的依存句法分析 79
3.3.4 基于神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)移依存句法分析 82
3.3.5 依存句法分析評(píng)測(cè)方法 85
3.4 句法分析語(yǔ)料庫(kù) 86
3.5 延伸閱讀 89
3.6 習(xí)題 90
第4章 語(yǔ)義分析 91
4.1 語(yǔ)義學(xué)概述 91
4.1.1 詞匯語(yǔ)義學(xué) 92
4.1.2 句子語(yǔ)義學(xué) 96
4.2 語(yǔ)義表示 98
4.2.1 謂詞邏輯表示 99
4.2.2 框架表示 100
4.2.3 語(yǔ)義網(wǎng)絡(luò)表示 102
4.3 分布式表示 103
4.3.1 詞分布式表示 104
4.3.2 句子分布式表示 114
4.3.3 篇章分布式表示 117
4.4 詞義消歧 119
4.4.1 基于目標(biāo)詞上下文的詞義消歧算法 119
4.4.2 基于詞義釋義匹配的詞義消歧算法 122
4.4.3 基于詞義知識(shí)增強(qiáng)預(yù)訓(xùn)練的詞義消歧算法 126
4.4.4 詞義消歧評(píng)測(cè)方法 128
4.4.5 詞義消歧語(yǔ)料庫(kù) 128
4.5 語(yǔ)義角色標(biāo)注 132
4.5.1 基于句法樹(shù)的語(yǔ)義角色標(biāo)注算法 132
4.5.2 基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)義角色標(biāo)注算法 135
4.5.3 語(yǔ)義角色標(biāo)注評(píng)測(cè)方法 140
4.5.4 語(yǔ)義角色標(biāo)注語(yǔ)料庫(kù)和語(yǔ)義角色標(biāo)注評(píng)測(cè) 140
4.6 延伸閱讀 143
4.7 習(xí)題 144
第5章 篇章分析 145
5.1 篇章理論概述 145
5.1.1 篇章的銜接 146
5.1.2 篇章的連貫 148
5.1.3 篇章的結(jié)構(gòu) 149
5.2 話語(yǔ)分割 153
5.2.1 基于詞匯句法樹(shù)的統(tǒng)計(jì)話語(yǔ)分割算法 154
5.2.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的話語(yǔ)分割算法 155
5.3 篇章結(jié)構(gòu)分析 157
5.3.1 修辭結(jié)構(gòu)篇章分析 157
5.3.2 淺層篇章分析 161
5.4 指代消解 167
5.4.1 基于表述對(duì)的指代消解算法 168
5.4.2 基于表述排序的指代消解算法 170
5.4.3 基于實(shí)體的指代消解算法 175
5.5 延伸閱讀 179
5.6 習(xí)題 180
第6章 語(yǔ)言模型 181
6.1 語(yǔ)言模型概述 181
6.2 n 元語(yǔ)言模型 182
6.2.1 加法平滑 184
6.2.2 古德-圖靈估計(jì)法 184
6.2.3 Katz 平滑 185
6.2.4 平滑方法總結(jié) 187
6.3 神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 188
6.3.1 前饋神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 188
6.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 189
6.4 預(yù)訓(xùn)練語(yǔ)言模型 191
6.4.1 動(dòng)態(tài)詞向量算法 ELMo 191
6.4.2 生成式預(yù)訓(xùn)練語(yǔ)言模型 GPT 193
6.4.3 掩碼預(yù)訓(xùn)練語(yǔ)言模型 BERT 195
6.4.4 序列到序列的預(yù)訓(xùn)練語(yǔ)言模型 BART 199
6.4.5 預(yù)訓(xùn)練語(yǔ)言模型的應(yīng)用 201
6.5 大規(guī)模語(yǔ)言模型 203
6.5.1 基礎(chǔ)大模型訓(xùn)練 205
6.5.2 指令微調(diào) 207
6.5.3 人類(lèi)反饋 209
6.6 語(yǔ)言模型評(píng)測(cè)方法 210
6.7 延伸閱讀 210
6.8 習(xí)題 212
第2部分 核心技術(shù)
第7章 信息抽取 214
7.1 信息抽取概述 214
7.2 命名實(shí)體識(shí)別 216
7.2.1 非嵌套命名實(shí)體識(shí)別 217
7.2.2 嵌套命名實(shí)體識(shí)別 225
7.2.3 多規(guī)范命名實(shí)體識(shí)別 230
7.2.4 命名實(shí)體識(shí)別評(píng)測(cè)方法 233
7.2.5 命名實(shí)體識(shí)別語(yǔ)料庫(kù) 233
7.3 關(guān)系抽取 235
7.3.1 有監(jiān)督關(guān)系抽取 236
7.3.2 遠(yuǎn)程監(jiān)督關(guān)系抽取 240
7.3.3 開(kāi)放關(guān)系抽取 245
7.3.4 關(guān)系抽取評(píng)測(cè)方法 249
7.3.5 關(guān)系抽取語(yǔ)料庫(kù) 250
7.4 事件抽取 251
7.4.1 限定域事件抽取 251
7.4.2 開(kāi)放域事件抽取 255
7.4.3 事件抽取評(píng)測(cè)方法 260
7.4.4 事件抽取語(yǔ)料庫(kù) 260
7.5 延伸閱讀 261
7.6 習(xí)題 262
第8章 機(jī)器翻譯 263
8.1 機(jī)器翻譯概述 263
8.1.1 機(jī)器翻譯的發(fā)展歷程 264
8.1.2 機(jī)器翻譯的現(xiàn)狀與挑戰(zhàn) 265
8.2 基于統(tǒng)計(jì)的機(jī)器翻譯方法 266
8.2.1 任務(wù)定義與基本問(wèn)題 266
8.2.2 IBM 模型Ⅰ 270
8.2.3 IBM 模型Ⅱ 274
8.2.4 IBM 模型Ⅲ 275
8.2.5 IBM 模型Ⅳ 276
8.2.6 IBM 模型Ⅴ 277
8.3 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯方法 278
8.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)翻譯模型 279
8.3.2 卷積神經(jīng)網(wǎng)絡(luò)翻譯模型 281
8.3.3 自注意力神經(jīng)網(wǎng)絡(luò)翻譯模型 284
8.4 機(jī)器翻譯語(yǔ)料庫(kù) 288
8.5 延伸閱讀 290
8.6 習(xí)題 291
第9章 情感分析 292
9.1 情感分析概述 292
9.1.1 情感模型 293
9.1.2 情感分析的主要任務(wù) 297
9.2 篇章級(jí)情感分析 300
9.2.1 基于支持向量機(jī)的篇章級(jí)情感分析 301
9.2.2 基于層次結(jié)構(gòu)的篇章級(jí)情感分析 303
9.2.3 篇章級(jí)情感分析語(yǔ)料庫(kù) 305
9.3 句子級(jí)情感分析 307
9.3.1 基于詞典的句子級(jí)情感分析 308
9.3.2 基于遞歸神經(jīng)張量網(wǎng)絡(luò)的句子級(jí)情感分析 309
9.3.3 基于情感知識(shí)增強(qiáng)預(yù)訓(xùn)練的句子級(jí)情感分析 310
9.3.4 句子級(jí)情感分析語(yǔ)料庫(kù) 312
9.4 屬性級(jí)情感分析 313
9.4.1 情感信息抽取 313
9.4.2 屬性級(jí)情感分類(lèi) 319
9.4.3 屬性級(jí)情感分析語(yǔ)料庫(kù) 329
9.5 延伸閱讀 331
9.6 習(xí)題 331
第10章 智能問(wèn)答 332
10.1 智能問(wèn)答概述 332
10.1.1 智能問(wèn)答的發(fā)展歷程 333
10.1.2 智能問(wèn)答的主要類(lèi)型 334
10.2 閱讀理解 336
10.2.1 基于特征的閱讀理解算法 337
10.2.2 基于深度神經(jīng)網(wǎng)絡(luò)的閱讀理解算法 340
10.2.3 閱讀理解語(yǔ)料庫(kù) 346
10.3 表格問(wèn)答 347
10.3.1 基于特征的表格問(wèn)答方法 348
10.3.2 基于深度學(xué)習(xí)的表格問(wèn)答模型 349
10.3.3 表格問(wèn)答語(yǔ)料庫(kù) 350
10.4 社區(qū)問(wèn)答 351
10.4.1 基于特征的語(yǔ)義匹配算法 352
10.4.2 基于深度學(xué)習(xí)的語(yǔ)義匹配算法 353
10.4.3 社區(qū)問(wèn)答語(yǔ)料庫(kù) 356
10.5 開(kāi)放領(lǐng)域問(wèn)答 357
10.5.1 基于檢索-閱讀理解架構(gòu)的開(kāi)放領(lǐng)域問(wèn)答模型 358
10.5.2 基于端到端架構(gòu)的開(kāi)放領(lǐng)域問(wèn)答模型 360
10.5.3 開(kāi)放領(lǐng)域問(wèn)答語(yǔ)料庫(kù) 362
10.6 延伸閱讀 363
10.7 習(xí)題 364
第11章 文本摘要 365
11.1 文本摘要概述 365
11.1.1 文本摘要的發(fā)展歷程 365
11.1.2 文本摘要的主要任務(wù) 367
11.2 抽取式文本摘要 368
11.2.1 基于排序的方法 368
11.2.2 基于序列標(biāo)注的方法 373
11.3 生成式文本摘要 377
11.3.1 序列到序列生成式文本摘要 378
11.3.2 抽取與生成結(jié)合式文本摘要 384
11.4 文本摘要評(píng)測(cè) 388
11.4.1 人工評(píng)測(cè) 389
11.4.2 自動(dòng)評(píng)測(cè) 390
11.5 文本摘要語(yǔ)料庫(kù) 393
11.5.1 單文檔摘要語(yǔ)料庫(kù) 393
11.5.2 多文檔摘要語(yǔ)料庫(kù) 393
11.5.3 對(duì)話摘要語(yǔ)料庫(kù) 393
11.5.4 多模態(tài)文本摘要語(yǔ)料庫(kù) 394
11.5.5 跨語(yǔ)言文本摘要語(yǔ)料庫(kù) 394
11.6 延伸閱讀 394
11.7 習(xí)題 395
第12章 知識(shí)圖譜 396
12.1 知識(shí)圖譜概述 396
12.1.1 知識(shí)圖譜的發(fā)展歷程 398
12.1.2 知識(shí)圖譜的研究?jī)?nèi)容 399
12.2 知識(shí)圖譜的表示與存儲(chǔ) 400
12.2.1 知識(shí)圖譜的符號(hào)表示 401
12.2.2 知識(shí)圖譜的向量表示 404
12.2.3 基于表的知識(shí)圖譜存儲(chǔ) 407
12.2.4 基于圖的知識(shí)圖譜存儲(chǔ) 410
12.3 知識(shí)圖譜的獲取與構(gòu)建 413
12.3.1 屬性補(bǔ)全 415
12.3.2 實(shí)體鏈接 417
12.3.3 實(shí)體對(duì)齊 421
12.4 知識(shí)圖譜推理 426
12.4.1 基于符號(hào)邏輯的知識(shí)圖譜推理 427
12.4.2 基于表示學(xué)習(xí)的知識(shí)圖譜推理 430
12.5 知識(shí)圖譜問(wèn)答 434
12.6 延伸閱讀 446
12.7 習(xí)題 447
第3部分 模型分析
第13章 模型穩(wěn)健性 449
13.1 穩(wěn)健性概述 449
13.1.1 穩(wěn)健性的基本概念 450
13.1.2 穩(wěn)健性的主要研究?jī)?nèi)容 451
13.2 數(shù)據(jù)偏差消除 452
13.3 文本對(duì)抗攻擊方法 454
13.3.1 字符級(jí)別的攻擊方法 455
13.3.2 詞級(jí)別的攻擊方法 456
13.3.3 句子級(jí)別的攻擊方法 458
13.3.4 后門(mén)攻擊 459
13.4 文本對(duì)抗防御方法 463
13.4.1 基于對(duì)抗訓(xùn)練的文本對(duì)抗防御方法 463
13.4.2 基于表示壓縮的文本對(duì)抗防御方法 465
13.4.3 基于數(shù)據(jù)增強(qiáng)的文本對(duì)抗防御方法 466
13.4.4 對(duì)抗樣本檢測(cè) 468
13.5 模型穩(wěn)健性評(píng)測(cè)基準(zhǔn) 469
13.5.1 特定任務(wù)穩(wěn)健性評(píng)測(cè)基準(zhǔn) 469
13.5.2 模型穩(wěn)健性通用評(píng)測(cè)基準(zhǔn) 472
13.6 延伸閱讀 477
13.7 習(xí)題 478
第14章 模型可解釋性 479
14.1 可解釋性概述 479
14.1.1 可解釋性的分類(lèi) 480
14.1.2 解釋方法評(píng)估 481
14.2 解釋性分析方法 483
14.2.1 局部分析方法 483
14.2.2 全局分析方法 489
14.3 自然語(yǔ)言處理算法的解釋性分析方法 492
14.3.1 模型解釋性分析方法 492
14.3.2 數(shù)據(jù)解釋性分析方法 496
14.3.3 可解釋評(píng)估 498
14.4 延伸閱讀 500
14.5 習(xí)題 500
參考文獻(xiàn) 501
索引 564
查看全部↓
前言/序言
本書(shū)的目標(biāo)是介紹自然語(yǔ)言處理的基本任務(wù)和主要處理算法。
