【新书】深度学习搜索,Deep Learning for Search,327页pdf

2020 年 1 月 19 日 专知

【导读】深度学习搜索是一本实用的书,关于如何使用(深度)神经网络来帮助建立有效的搜索引擎。这本书研究了一个搜索引擎的几个组成部分,提供了关于它们如何工作的见解,以及如何在每个环境中使用神经网络的指导。重点介绍了基于实例的实用搜索和深度学习技术,其中大部分都有代码。同时,在适当的地方提供相关研究论文的参考资料,以鼓励阅读更多的书籍,加深对特定主题的知识的理解。读完这本书,将对搜索引擎的主要挑战有所理解,它们是如何处理的以及深度学习可以做些什么来提供帮助。并且将对几种不同的深度学习技术以及它们在搜索环境中的适用范围有所理解,将很好地了解Lucene和Deeplearning4j库。


便捷查看下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DLS2020” 就可以获取深度学习搜索专知下载链接索引


内容简介
这本书主要分为3个部分:
  • 第1部分介绍了搜索、机器学习和深度学习的基本概念。第一章介绍了应用深度学习技术来搜索问题的原理,涉及了信息检索中最常见的方法。第2章给出了如何使用神经网络模型从数据中生成同义词来提高搜索引擎效率的第一个例子。



  • 第2部分讨论了可以通过深度神经网络更好地解决的常见搜索引擎任务。第3章介绍了使用递归神经网络来生成用户输入的查询。第四章在深度神经网络的帮助下,在用户输入查询时提供更好的建议。第5章重点介绍了排序模型:尤其是如何使用词嵌入提供更相关的搜索结果。第6章讨论了文档嵌入在排序函数和内容重新编码上下文中的使用。



  • 第3部分将介绍更复杂的场景,如深度学习机器翻译和图像搜索。第7章通过基于神经网络的方法为你的搜索引擎提供多语言能力来指导你。第8章讨论了基于内容的图像集合的搜索,并使用了深度学习模型。第9章讨论了与生产相关的主题,如微调深度学习模型和处理不断输入的数据流。



目录

作者简介
Tommaso Teofili是一名软件工程师,他热衷于机器学习的开源。作为Apache软件基金会的成员,他为许多开放源码项目做出了贡献,从信息检索(比如Lucene和 Solr)到自然语言处理和机器翻译(包括OpenNLP, Joshua, 和 UIMA)等主题。他目前在Adobe工作,开发搜索和索引基础结构组件,研究领域涉及自然语言处理、信息检索和深度学习等。他曾在各种会议上发表过搜索和机器学习方面的演讲,包括BerlinBuzzwords、计算科学国际会议、ApacheCon、EclipseCon等。

部分截图


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
登录查看更多
81

相关内容

互联网
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
57+阅读 · 2020年5月9日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
203+阅读 · 2020年1月13日
【新书】傻瓜式入门深度学习,371页pdf
专知会员服务
184+阅读 · 2019年12月28日
【LinkedIn报告】深度自然语言处理的搜索系统,211页pdf
专知会员服务
105+阅读 · 2019年6月21日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
A Survey on Bayesian Deep Learning
Arxiv
62+阅读 · 2020年7月2日
Arxiv
35+阅读 · 2020年1月2日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
5+阅读 · 2018年10月11日
Image Captioning based on Deep Reinforcement Learning
Arxiv
22+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年7月31日
Arxiv
16+阅读 · 2018年4月2日
VIP会员
相关论文
A Survey on Bayesian Deep Learning
Arxiv
62+阅读 · 2020年7月2日
Arxiv
35+阅读 · 2020年1月2日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
5+阅读 · 2018年10月11日
Image Captioning based on Deep Reinforcement Learning
Arxiv
22+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年7月31日
Arxiv
16+阅读 · 2018年4月2日
Top
微信扫码咨询专知VIP会员