|
java自学网(www.javazx.com)-java论坛,java电子书推荐:《大数据智能——互联网时代的机器学习和自然语言处理技术》5 r+ M: X7 i; ?8 K, U$ m- P. w
java电子书推荐理由:本书是一本介绍大数据智能分析的科普书籍, 旨在让更多的人了解和学习互联网时代的机器学习和自 然语言处理技术,以期让大数据技术更好地为我们的生产和生活服务。 全书包括大数据智能基础和大数据智能应用两个部分,共 8 章。大数据智能基础部分有三章:第 1 章 以深度学习为例介绍大数据智能的计算框架;第 2 章以知识图谱为例介绍大数据智能的知识库;第 3 章介 绍大数据背后的计算处理系统。 大数据智能应用部分有 5 章: 第 4 章介绍智能问答, 第 5 章介绍主题模型, 第 6 章介绍个性化推荐系统,第 7 章介绍情感分析与意见挖掘,第 8 章介绍面向社会媒体大数据的语言使 用分析及应用。*后在本书的后记部分为读者追踪大数据智能的**学术材料提供了建议。* @! e) F6 G0 D0 Z
# b: y% g" U, g ?% g
作者:刘知远 著
) s4 n X7 w5 G( h/ u出版社:电子工业出版社$ N, F6 J" z0 K0 v
出版时间:2016年01月 ) Z. [) |) I8 ^8 [
书籍价格:49.00元% s" @. P" s' u2 Y
; n x* H' u) O; o6 f2 Y' t
! K1 r' B/ g: G0 h
5 B* I! x7 L6 I) b
java电子书目录:4 t& V8 K4 C- {: E U
第1 章 深度学习——机器大脑的结构 1. X7 `4 T: V/ w( o# o- _9 u0 I
1.1 概述 3
; |4 K m) \3 L @1.1.1 可以做酸奶的面包机——通用机器的概念 3
2 n4 `* ?; X( F1.1.2 连接主义 5
: S, T/ x- {$ h+ e7 e9 J+ l) B9 z0 `1.1.3 用机器设计机器 6" D# F$ q4 L- A3 X( V. I
1.1.4 深度网络 6
. i) h s0 B7 m2 B1.1.5 深度学习的用武之地 7' g+ K4 ~9 d7 M) U- y( h5 j) h
1.2 从人脑神经元到人工神经元 8% ^/ T% y2 l$ j$ ]) l
1.2.1 生物神经元中的计算灵感 8" {$ a* ?: }; `9 W
1.2.2 激活函数 93 x# m4 \) l( p" t M
1.3 参数学习 10% [( g: e% a: K. c
1.3.1 模型的评价 110 C' V$ l) {: l2 Y1 K! q+ V
1.3.2 有监督学习 11
5 w5 F0 O! D, w1.3.3 梯度下降法 12, I- I2 i$ m5 \% a9 K0 Q5 q, H
1.4 多层前馈网络 13
- t z# n% I" J$ B& a& {1.4.1 多层前馈网络 14! H, D4 _' P3 Y7 p H5 U
1.4.2 后向传播算法计算梯度 16! i/ O1 r, @" C9 T
1.5 逐层预训练 17
; p% y* |# a2 |- H' M: _1.6 深度学习是终极神器吗 19
# b# p2 B7 S! x* p1.6.1 深度学习带来了什么 19: I% P S$ n/ Y' @$ h
1.6.2 深度学习尚未做到什么 20% P3 U4 R: o/ ?7 k
1.7 内容回顾与推荐阅读 21 p/ i* o% u7 Q+ B7 V7 S* X
XII 目 录
, K- i0 Y4 L. W" t* E: X1.8 参考文献 21
$ i$ \' F) F/ T# H" R4 B第2 章 知识图谱——机器大脑中的知识库 23
! }* u: q7 D, _& k% X2.1 什么是知识图谱 25
- O1 X: Y; @$ [ L3 I2.2 知识图谱的构建 27
4 d5 ?% v, h9 @/ h, Z2.2.1 大规模知识库 27
2 O! o7 a8 X1 I* F: B9 @( p3 S0 _2.2.2 互联网链接数据 28- _, ^( v, A% E7 c
2.2.3 互联网网页文本数据 29
/ p! t& Q I3 I2.2.4 多数据源的知识融合 299 Y8 O( k. c9 h# q
2.3 知识图谱的典型应用 30- g1 D1 c( ]6 c4 P0 D
2.3.1 查询理解(Query Understanding) 30
' V8 @/ c# H2 [' ~# P2.3.2 自动问答(Question Answering) 32
/ W- |( c3 E9 z# T$ R2.3.3 文档表示(Document Representation) 339 S/ m3 L. S+ x* M; `7 z
2.4 知识图谱的主要技术 34* t3 J9 A* c& r% l) y
2.4.1 实体链指(Entity Linking) 34
( t9 `9 Z7 N, S6 L: h3 H0 l, P2.4.2 关系抽取(Relation Extraction) 35
5 e' ^1 Q! x+ s# _ ^2.4.3 知识推理(Knowledge Reasoning) 37+ D9 _$ ^$ k) j0 R2 P" f8 V0 v
2.4.4 知识表示(Knowledge Representation) 38! e9 j8 k$ T0 B% @' _, Y
2.5 前景与挑战 39
4 G, ^, b5 l+ ?7 D4 S& J2.6 内容回顾与推荐阅读 40
! e6 U9 _- f2 x5 e+ f2.7 参考文献 412 q% ^. l7 _+ c9 N! @ c8 @
第3 章 大数据系统——大数据背后的支撑技术 43 [% `& D. t) I$ x* q0 O O
3.1 概述 45$ L, Q) S' d. U2 T9 B) c y
3.2 高性能计算技术 46
; L7 l0 l1 `. K, b6 K' J3.2.1 超级计算机的组成 47
' z1 I+ z7 u' P* M B/ T$ L3.2.2 并行计算的系统支持 481 O# [0 G7 w1 N6 x
3.3 虚拟化和云计算技术 52
2 M9 T- g1 J4 ~4 \3.3.1 虚拟化技术 52
* z( x m" @+ ^" N( k6 @目 录 XIII# L- y3 @- J9 O
3.3.2 云计算服务 54
) Y K y3 o6 S7 d3.4 基于分布式计算的大数据系统 55
$ E& G7 Q( H0 R- V; l: N3.4.1 Hadoop 生态系统 55' a. [7 c8 x6 C2 `' n
3.4.2 Spark 61' q1 a5 Q: e* V9 T
3.4.3 典型的大数据基础架构 63! v3 ~! @; r' Y! g
3.5 大规模图计算 63
4 R* u" B; o/ F$ G) s$ l* |( d% ^3.5.1 分布式图计算框架 643 a) [% f1 ?4 R8 k3 w# W z
3.5.2 高效的单机图计算框架 65. N/ K( }* {# X) m" i3 D
3.6 NoSQL 66, y) z4 u6 m, z% }6 n& g7 j2 Q, ~! ^
3.6.1 MongoDB 简介 67, w0 Q. J+ {& U6 L
3.7 内容回顾与推荐阅读 69
+ z1 b P) \. i* P& F, I3.8 参考文献 708 I+ k" A$ R! ?( K+ f" C1 r
第4 章 智能问答——智能助手是如何炼成的 71" a/ g* D, p' M# M" \3 A
4.1 概述 73
; M/ {& v% j$ J7 x' q4.2 问答系统的主要组成 77
$ T( E9 w6 m- h7 c2 D' y4.3 文本问答系统 787 V5 T" `! i1 v, k* r) W, j
4.3.1 问题理解 78
3 D4 ]# v* l. M6 c9 M4.3.2 知识检索 81+ z' \+ g, L7 j$ W8 E! n, l
4.3.3 答案生成 83
, ^8 @/ n% i: [( ?7 i# }: p4 [4.4 社区问答系统 84
# X) I) s% H# `! q; Y4.4.1 社区问答系统的结构 85
# P& M. i) q1 r5 O3 }- N1 |4.4.2 相似问题检索 86
* p1 N I- \8 ~! ~8 T1 q5 P4.4.3 答案过滤 86
" O2 E9 j; d* R: }0 y& ]' n/ B4.5 多媒体问答系统 878 I4 a" a' @$ k; [/ ]
4.6 大型问答系统案例:IBM 沃森问答系统 89
8 r1 k, e) E$ ~4.6.1 沃森的总体结构 895 X& N) H% U, y: g) K2 I9 W0 U
4.6.2 问题解析 90
) o# v7 v1 F* Z% l V: K4.6.3 知识储备 90* w3 E" P4 y$ ?$ G6 n
XIV 目 录3 T, e6 Z1 s& p& D- R9 E( q- j
4.6.4 检索和候选答案生成 91
: K( Q; B% Z {" d9 k5 ?' ^4.6.5 可信答案确定 92
( F0 _+ T2 f% k( F! {* I: W. V* ]4.7 内容回顾与推荐阅读 93
! g2 y+ F; r* H, Q4.8 参考文献 94
6 |1 X! B, P7 f% K! n% X: M b: a( L% _第5 章 主题模型——机器的智能摘要利器 97
0 ~$ k) `2 D* y5.1 概述 99
: W7 Z. N: @, @# i' o5.2 主题模型出现的背景 1004 Z) ?$ C5 u2 v9 b3 r( Z
5.3 **个主题模型潜在语义分析 102
7 V; k7 ]/ ]( A( o# D; A9 S5 S& f5.4 **个正式的概率主题模型 104! n) L2 j, U% H, {8 @# r
5.5 **个正式的贝叶斯主题模型 105
3 Q" j4 Q8 {, E4 u# i6 b9 M! D5.6 LDA 的概要介绍 106% x. a0 ~. y! @$ S/ o8 f; q9 b
5.6.1 LDA 的延伸理解——主题模型广义理解 109
) O6 f8 j1 ~# t3 }: L5.6.2 模型求解 111; X, u/ ?3 A0 K% B: c5 R v
5.6.3 模型评估 112
5 ^5 e! Z2 m- E- ~6 A3 H5.6.4 模型选择:主题数目的确定 113
4 C6 ?" }* f- t6 A' L" Q+ y5 ^5.7 主题模型的变形与应用 114
( o) ]" Y2 m4 v _0 g. l) Q1 k5.7.1 基于LDA 的模型变种 114
$ e8 u3 S$ N6 T5 f$ l% K6 I- T: G5.7.2 基于LDA 的典型应用 115* h- g7 |" n, X
5.7.3 一个基于主题模型的新浪名人话题排行榜应用 118& W+ @+ k% E+ v5 O. G; P* Q, T5 m) \* V
5.8 内容回顾与推荐阅读 122
& e- s, z3 J% {$ A0 d- {5.9 参考文献 123- r! `8 e! I( h2 G# t3 s# G
第6 章 个性化推荐系统——如何了解电脑背后的TA 129
3 T- \/ l- Q% {* p: w- ~6.1 概述 131& ^. x" W: I! S8 N) M9 b
6.1.1 推荐系统的发展历史 1322 ^; n7 k7 _, W: M' `; [' z: _ P& {
6.1.2 推荐无处不在 133
4 @7 F3 O8 F( O2 y3 K1 W* `; f& g6 H6.1.3 从千人一面到千人千面 133" N3 M1 N, |* O. G8 K. Y! S: w! k
6.2 个性化推荐的基本问题 1340 L, Z/ w3 L* J$ H m4 p
6.2.1 推荐系统的输入 135
& x+ N: w& @5 w" G3 A# q# m目 录 XV* l/ O- K/ I. @8 z1 Y& U% t9 O: p
6.2.2 推荐系统的输出 137
' n8 M2 v R2 }* \1 C1 I! K6.2.3 个性化推荐的形式化 137
& x9 A+ c* I9 I- [- _3 M% j6.2.4 推荐系统的三大核心问题 138
0 ^: a4 Z4 e4 y2 f3 r6.3 典型推荐算法浅析 139: a8 y8 O* f2 ], I# J
6.3.1 推荐算法的分类 139
; f* n, i& N. J( N9 u6.3.2 典型推荐算法介绍 140
8 F: H: I/ W+ P$ I6.3.3 基于矩阵分解的打分预测 146
2 p: y# W5 L0 X4 |8 n6 S% ^0 R F6.3.4 推荐的可解释性 151( f! h) L! D7 t, m- J
6.3.5 推荐算法的评价 153
8 l% S+ N1 l N; {; |6.3.6 我们走了多远 156% O8 H: q# {# g/ S* m6 w. Z
6.4 参考文献 160
3 _* }, K+ y* U, @第7 章 情感分析与意见挖掘——计算机如何了解人类情感 165; @3 h# [& F4 B) Y E% X' O, [
7.1 概述 167
1 D% @1 B8 t5 C, q7.2 情感分析的主要研究问题 172, @$ ^" I1 }- h& U5 w. F
7.3 情感分析的主要方法 175 w* R. y8 g8 S3 D
7.3.1 构成情感和观点的基本元素 175" O L& N8 V* V( U% j# e: I
7.3.2 情感极性与情感词典 177& F( a: u, P; C. H! \" s
7.3.3 属性-观点对 182) X/ ?* d* C" n z
7.3.4 情感分析 184
$ a: ?- E e. {' k( B. d7.4 主要的情感词典资源 188# v; \ C2 r* Z& }- O
7.5 内容回顾与推荐阅读 189
3 I% T" x% b/ i+ P/ N7.6 参考文献 190) R I l# f0 `$ B: O! H1 o
第8 章 面向社会媒体大数据的语言使用分析及应用 195( J/ \( a" h) _ I/ Q" _* D. o
8.1 概述 197
% N% [ v: [$ ~* K+ [7 k0 f8.2 面向社会媒体的自然语言使用分析 197
4 _+ i$ u" P- b" i: U7 u8.2.1 词汇的时空传播与演化 198' [" J# j* Q: q3 a! d& \
8.2.2 语言使用与个体差异 200
3 S {- {1 i+ ?XVI 目 录. ~8 p1 g* p0 ~. A* `
8.2.3 语言使用与社会地位 202
$ W0 a7 @+ n* g j8.2.4 语言使用与群体分析 203
8 ^5 r% g- w8 m& o# `. a {7 t8 w8.3 面向社会媒体的自然语言分析应用 206
' V4 l& d3 K |+ |. ^5 O4 Z; \0 V' Z8.3.1 社会预测 206
+ p* C$ n d' s( A" ]2 v8.3.2 霸凌现象定量分析 207( D4 i/ X4 W, a
8.4 未来研究的挑战与展望 208
1 ^' F2 l% X C' e% h0 U! p# `8.5 参考文献 209 javazx.com
/ E9 b0 K/ D7 J5 Q" ~5 ~后 记 2142 ^7 Z& J8 k+ O* V
国际学术组织、学术会议与学术论文 214
/ J6 F* p5 D& ]0 c& F7 H' M国内学术组织、学术会议与学术论文 216
. R, h0 h( I3 X! l: D如何快速了解某个领域的研究进展 217 ' m) w9 ?) b' `& r% c' F
Java资料百度网盘下载地址链接(百度云):《大数据智能》@www.javazx.com.pdf【密码回帖可见】5 ^- H1 U3 ` j; U5 O* n7 G
! x" l7 h: l4 y% ?# S: E5 o
' v |$ B# m% v
; i0 B1 R: Q# j4 b3 F5 E$ A1 q: _ x
6 t3 x" P, {* {" k0 T5 u3 o |
|