内容简介 · · · · · ·

《Representation Learning for Natural Language Processing（自然语言处理表示学习技术）》

本书全面介绍了自然语言处理表示学习技术的理论、方法和应用，内容包括三大部分：第一部分介绍了单词、短语、句子和文档等不同粒度语言单元的表示学习技术；第二部分介绍了与自然语言密切相关的世界知识、语言知识、复杂网络和跨模态数据的表示学习技术；第三部分整理了相关开放资源与工具，并探讨了面向自然语言处理的表示学习技术面临的重要挑战和未来研究方向。本书对于自然语言处理和人工智能基础研究具有一定的参考意义，既适合专业人士了解自然语言处理和表示学习的前沿热点，也适合机器学习、信息检索、数据挖掘、社会网络分析、语义Web等其他相关领域学者和学生作为参考读物。

阅读提示：本书为全英文。

作者简介 · · · · · ·

刘知远，清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位，已在ACL、IJCAI、AAAI等人工智能领域的著名国际期刊和会议发表相关论文80余篇，Google Scholar统计引用超过9,200次。入选《麻省理工科技评论》“35岁以下科技创新35人”中国区榜单（MIT TR-35 China）、智源青年科学家、中国科协青年人才托举工程。

林衍凯，微信模式识别中心研究员，博士毕业于清华大学计算机系，主要研究方向包括表示学习、信息抽取与自动问答。目前已在人工智能、自然语言处理等领域的顶级国际会议IJCAI，AAAI，EMNLP，ACL发表相关论文多篇，Google Scholar引用数超过2,000。曾获清华大学学术新秀、百度学者等荣誉。

孙茂松，长聘教授，博士生导师。现任清华大学人工智能研究院常务副院长、清华大学计算机学位评定分委员会主席、教育部在线教育研究中心副主任、清华大学大规模在线开放教育研究中心主任，曾任清华大学计算机系主任、党委书记。研究方向为自然语言理解、中文信息处理、Web智能、社会计算和计算教育学等。国家973计划项目首席科学家，国家社会科学基金重大项目首席专家。在国际刊物、国际会议、国内核心刊物上共发表论文130余篇，Google Scholar引用数超过12,000。

补充说明 · · · · · ·

本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。如需删除，请联系 kefu@yanxishe.com

AI 研习社已经和阿里大文娱、旷视、搜狗搜索、小米等知名公司达成联系，帮助大家更好地求职找工作，一键投递简历至 HR 后台，准备了一些内推渠道群。