Apprentissage automatique pour le texte

Avis des lecteurs

Résumé:

Ce livre est salué pour sa couverture approfondie de l'apprentissage automatique et de l'apprentissage profond, en particulier appliqué au texte. Il constitue une excellente ressource pour les universitaires et les professionnels de l'industrie, car il offre des explications claires et des idées intuitives. Cependant, certains critiques notent que certains sujets ne sont pas couverts de manière uniforme et que certaines sections sont imprécises.

Avantages:

Couverture étendue des méthodes d'apprentissage automatique et d'apprentissage profond, style d'écriture clair et intuitif, idéal pour les universitaires et les professionnels de l'industrie, nombreuses idées reliant divers concepts, contenu bien organisé, bon équilibre entre la théorie et l'application pratique.

Inconvénients:

Certains domaines ne sont pas couverts de manière uniforme, en particulier l'accent mis sur la classification des textes par rapport à d'autres sujets ; certaines descriptions jugées relativement superficielles et vagues ne conviennent pas en tant que guide de programmation pratique.

(basé sur 10 avis de lecteurs)

Titre original :

Machine Learning for Text

Contenu du livre :

L'analyse de texte est un domaine qui se situe à l'interface de la recherche d'information, de l'apprentissage automatique et du traitement du langage naturel, et ce manuel couvre soigneusement un cadre organisé de manière cohérente à partir de ces sujets croisés. Les chapitres de ce manuel sont organisés en trois catégories :

- Algorithmes de base :Les chapitres 1 à 7 traitent des algorithmes classiques d'apprentissage automatique à partir de textes, tels que le prétraitement, le calcul de la similarité, la modélisation des sujets, la factorisation matricielle, le regroupement, la classification, la régression et l'analyse d'ensemble.

Les chapitres 8 et 9 traitent des méthodes d'apprentissage à partir de textes lorsqu'elles sont combinées à différents domaines tels que le multimédia et le Web. Le problème de la recherche d'informations et de la recherche sur le Web est également abordé dans le contexte de sa relation avec le classement et les méthodes d'apprentissage automatique.

Les chapitres 10 à 14 traitent de diverses applications centrées sur les séquences et le langage naturel, telles que l'ingénierie des caractéristiques, les modèles neuronaux de langage, l'apprentissage profond, le résumé de texte, l'extraction d'informations, l'exploration d'opinions, la segmentation de texte et la détection d'événements.

Ce manuel couvre en détail les sujets relatifs à l'apprentissage automatique pour les textes. Comme la couverture est étendue, plusieurs cours peuvent être offerts à partir du même livre, selon le niveau du cours. Même si la présentation est centrée sur le texte, les chapitres 3 à 7 couvrent des algorithmes d'apprentissage automatique qui sont souvent utilisés dans des domaines autres que les données textuelles. Par conséquent, le livre peut être utilisé pour offrir des cours non seulement sur l'analyse de texte, mais aussi dans la perspective plus large de l'apprentissage automatique (avec le texte comme toile de fond).

Ce manuel s'adresse aux étudiants de troisième cycle en informatique, ainsi qu'aux chercheurs, professeurs et praticiens industriels travaillant dans ces domaines connexes. Ce livre est accompagné d'un manuel de solutions pour l'enseignement en classe.

Autres informations sur le livre :

• ISBN : 9783030088071
• Auteur : C. Aggarwal Charu
• Éditeur : Springer Nature
• Langue : anglais
• Reliure : Broché