机读格式显示(MARC)

• 000 02009nam 2200385 450

• 001 0000389885

• 005 20210521104900.0

• 010 __ |a 978-7-111-66957-9 |d CNY89.00

• 021 __ |a CN |b 01-2020-2371

• 099 __ |a CAL 012021021583

• 100 __ |a 20201221d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 自然语言处理中的贝叶斯分析 |A zi ran yu yan chu li zhong de bei ye si fen xi |d = Bayesian analysis in natural language processing |f (以) 谢伊·科恩(Shay Cohen)著 |g 杨伟, 袁科译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2021

• 215 __ |a X, 225页 |c 图 |d 26cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 305 __ |a 据2019年英文第2版译出

• 314 __ |a 谢伊·科恩(Shay Cohen)，爱丁堡大学信息学院语言、认知和计算研究所的讲师，在哥伦比亚大学(2011-2013)和爱丁堡大学(2013-2018)的博士后研究期间，分别获得计算创新奖学金和大学校长奖学金。他的研究方向是自然语言处理和机器学习，重点研究结构化预测中的问题，比如句法和语义解析。

• 320 __ |a 有书目 (第203-225页)

• 330 __ |a 本书涵盖了流利阅读NLP中贝叶斯学习方向的论文以及从事该领域的研究所需的方法和算法。这些方法和算法部分来自于机器学习和统计学，部分是针对NLP开发的。我们涵盖推理技术，如马尔科夫链、蒙特卡罗抽样和变分推理、贝叶斯估计和非参数建模。为了应对该领域的快速变化，本书新版增加了一个新的章节，关于贝叶斯背景下的表现学习和神经网络。我们还将介绍贝叶斯统计的基本概念，如先验分布、共轭性和生成式建模。最后，我们回顾了一些基本的NLP建模技术，如语法建模、神经网络和表示学习，以及它们在贝叶斯分析中的应用。

• 333 __ |a 贝叶斯方法研究者

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 510 1_ |a Bayesian analysis in natural language processing |z eng

• 606 0_ |a 贝叶斯方法 |A bei ye si fang fa |x 应用 |x 数理统计

• 690 __ |a O212.8 |v 5

• 701 _1 |c (以) |a 科恩 |A ke en |c (Cohen, Shay) |4 著

• 702 _0 |a 杨伟 |A yang wei |4 译

• 702 _0 |a 袁科 |A yuan ke |4 译

• 801 _0 |a CN |b WHUTL |c 20210315

• 905 __ |a XATU |d O212.8/13

• 920 __ |a 261060 |z 1

• 998 __ |a WHUT