机读格式显示(MARC)

• 000 01654nam0 2200313 450

• 001 0000414717

• 005 20230329150100.0

• 010 __ |a 978-7-302-60746-5 |d CNY69.90

• 049 __ |a O360102HST |b UCS01011500229 |c 011500229

• 100 __ |a 20220913d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习预训练语言模型 |A Shen Du Xue Xi Yu Xun Lian Yu Yan Mo Xing |i 案例篇 |b 专著 |e 中文金融文本情绪分类研究 |f 康明著

• 210 __ |a 北京 |c 清华大学出版社 |d 2022

• 215 __ |a 144页 |c 图 |d 26cm

• 225 2_ |a 大数据与人工智能技术丛书 |A Da Shu Ju Yu Ren Gong Zhi Neng Ji Shu Cong Shu

• 330 __ |a 本书在全面概述预训练语言模型演进过程、并对BERTology模型详尽综述的基础上，将深度学习预训练模型理论和金融行业实践相结合，介绍了深度学习预训练模型在金融行业金融科技产业人工智能领域实战项目案例，专注于金融文本情绪分类典型应用场景，揭示出特定领域预训练模型潜在的一般规律。全书分为7章，分别为：预训练模型与金融文本情绪分类任务、预训练语言模型关键技术、面向中文金融文本情绪分类的预训练模型对比、FinWoBERT：中文金融领域增强预训练模型、GAN-FinWoBERT：对抗训练的中文金融预训练模型、FinWoBERT+ConvLSTM：基于投资者情绪权重的科创50指数预测、总结与展望，每章内容随项目实践的深入层层递进、逐步展开。

• 410 _0 |1 2001 |a 大数据与人工智能技术丛书

• 517 1_ |a 中文金融文本情绪分类研究 |A zhong wen jin rong wen ben qing xu fen lei yan jiu

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi |x 应用 |x 自然语言处理

• 690 __ |a TP391 |v 5

• 701 _0 |a 康明 |A Kang Ming |4 著

• 801 _2 |a CN |b OLCC |c 20230104

• 801 _2 |a CN |b O360102HST |c 20220919

• 801 _0 |a CN |b 湖北三新 |c 20220913

• 905 __ |a XATU |d TP391/347

• 920 __ |a 261060 |z 1