【2023新书】自然语言处理中的机器学习和深度学习，245页pdf

自然语言处理(NLP)是一个分场的人工智能、语言学、计算机科学和关心的一代,识别和理解人类的语言,口语和书面语。NLP系统检查句子的语法结构以及单词的特定含义，然后利用算法提取含义并产生结果。自然语言处理中的机器学习和深度学习旨在回顾当前NLP领域的神经网络技术，特别是关于会话代理(聊天机器人)、文本到语音、非文字内容的管理——如情感，但也包括讽刺表达——以及在医疗保健领域的应用。NLP有潜力成为各种医疗保健领域的颠覆性技术，但到目前为止，很少有人关注这一目标。本书旨在提供一些NLP技术的例子，例如语言恢复、检测帕金森氏症或帮助心理治疗师。这本书是为广大读者准备的。初学者会发现有用的章节提供了NLP技术的一般介绍，而经验丰富的专业人士会喜欢关于高级情感管理、同理心和非文字内容的章节。

我们将章节组织成五个部分：I. 引言，II. 对话智能体概述，III. 情感和情绪，IV. 虚假新闻与讽刺，以及 V. 在医疗保健中的应用。在第一部分中，编辑介绍了机器学习（ML）、深度学习（DL）和自然语言处理（NLP）以及使用这些技术推进NLP应用的进步。第二部分提供了关于对话代理和聊天机器人的当前方法的概述。第2章专注于聊天机器人和对话代理(CAs)的应用，作者强调了各种AI技术如何帮助开发智能CAs，他们还比较了不同的最新NLP-based聊天机器人架构。第3章展示了一个为社交对话设计的开放域共情CA的架构，它分两步训练。代理学习对话的相关高级结构，利用无监督和有监督学习的混合，而在第二步中，代理通过有监督和增强学习进行精炼，学习通过选择最合适的高级响应方面来引发用户中的积极情感。第三部分关注情感和情绪检测的方法，以及用情绪增强的对话代理输出的生成。在第4章中，作者展示了EMOTRON，它是经过训练的情感语音的有条件生成，结合了光谱图回归损失来加强合成，和情感分类风格损失来引导条件化。第四部分介绍了应对虚假新闻和讽刺文本的方法。第5章强调了如何训练DL有效地区分讽刺内容和非讽刺。在第6章中，作者介绍了一个原型的开发，该原型旨在通过从新闻文章中检索可能提供支持或反驳声明的证据来帮助记者进行事实检查。最后，第五部分展示了在医疗领域的CA的一些实现。第7章关注于VocalHUM的算法组件的结构和开发，这是一个旨在实时增强患者低声细语的可懂度的智能系统，基于音频来最小化为实现足够的声音清晰度所必需的肌肉和呼吸努力，以及为正常强度讲话所需的物理移动。第8章识别了使用ML方法早期检测帕金森病所需的特征，第9章解释了CAs、NLP和ML如何在心理治疗中提供帮助。