توضیحات
Natural language processing (NLP) went through a profound transformation in the mid-1980s when it shifted to make heavy use of corpora and data-driven techniques to analyze language.
Since then, the use of statistical techniques in NLP has evolved in several ways. One such example of evolution took place in the late 1990s or early 2000s, when full-fledged Bayesian machinery was introduced to NLP. This Bayesian approach to NLP has come to accommodate various shortcomings in the frequentist approach and to enrich it, especially in the unsupervised setting, where statistical learning is done without target prediction examples.
In this book, we cover the methods and algorithms that are needed to fluently read Bayesian learning papers in NLP and to do research in the area. These methods and algorithms are partially borrowed from both machine learning and statistics and are partially developed ‘in-house’ in NLP. We cover inference techniques such as Markov chain Monte Carlo sampling and variational inference, Bayesian estimation, and nonparametric modeling. In response to rapid changes in the field, this second edition of the book includes a new chapter on representation learning and neural networks in the Bayesian context. We also cover fundamental concepts in Bayesian statistics such as prior distributions, conjugacy, and generative modeling. Finally, we review some of the fundamental modeling techniques in NLP, such as grammar modeling, neural networks and representation learning, and their use with Bayesian analysis.
————————————————————–
ترجمه ماشینی :
پردازش زبان طبیعی (NLP) در اواسط دهه 1980، زمانی که به سمت استفاده زیاد از تکنیکهای موجودات و دادهمحور برای تجزیه و تحلیل زبان تغییر کرد، دچار تحول عمیقی شد.
از آنجایی سپس، استفاده از تکنیک های آماری در NLP به روش های مختلفی تکامل یافته است. یکی از این نمونه های تکامل در اواخر دهه 1990 یا اوایل دهه 2000 رخ داد، زمانی که ماشین آلات بیزی کامل به NLP معرفی شدند. این رویکرد بیزی به NLP برای پاسخگویی به کاستیهای مختلف در رویکرد مکررگرا و غنیسازی آن، بهویژه در محیط بدون نظارت، که در آن یادگیری آماری بدون مثالهای پیشبینی هدف انجام میشود، آمده است.
در این کتاب، ما به آن میپردازیم. روش ها و الگوریتم هایی که برای خواندن روان مقالات یادگیری بیزی در NLP و انجام تحقیقات در این منطقه مورد نیاز است. این روشها و الگوریتمها تا حدی از یادگیری ماشین و آمار وام گرفته شدهاند و تا حدی در NLP توسعه یافتهاند. ما تکنیکهای استنتاج مانند نمونهبرداری مونت کارلو زنجیره مارکوف و استنتاج متغیر، تخمین بیزی و مدلسازی ناپارامتریک را پوشش میدهیم. در پاسخ به تغییرات سریع در این زمینه، این ویرایش دوم کتاب شامل فصل جدیدی در یادگیری بازنمایی و شبکههای عصبی در زمینه بیزی است. ما همچنین مفاهیم اساسی در آمار بیزی مانند توزیع های قبلی، مزدوج و مدل سازی مولد را پوشش می دهیم. در نهایت، برخی از تکنیکهای مدلسازی اساسی در NLP، مانند مدلسازی گرامر، شبکههای عصبی و یادگیری بازنمایی و استفاده از آنها با تحلیل بیزی را مرور میکنیم.
tag : دانلود کتاب تحلیل بیزی در پردازش زبان طبیعی , Download تحلیل بیزی در پردازش زبان طبیعی , دانلود تحلیل بیزی در پردازش زبان طبیعی , Download Bayesian Analysis in Natural Language Processing Book , تحلیل بیزی در پردازش زبان طبیعی دانلود , buy تحلیل بیزی در پردازش زبان طبیعی , خرید کتاب تحلیل بیزی در پردازش زبان طبیعی , دانلود کتاب Bayesian Analysis in Natural Language Processing , کتاب Bayesian Analysis in Natural Language Processing , دانلود Bayesian Analysis in Natural Language Processing , خرید Bayesian Analysis in Natural Language Processing , خرید کتاب Bayesian Analysis in Natural Language Processing ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.