Читать фрагмент

книга

Глубокое обучение для поисковых систем

В книге рассказывается о том, как использовать глубокие нейронные сети для создания эффективных поисковых систем. Рассматривается несколько компонентов поисковой системы, дается представление о том, как они работают, и приводятся рекомендации по использованию нейронных сетей в разных контекстах поиска. Особое внимание уделено практическому объяснению методов поиска и глубокого машинного обучения на базе примеров, большинство которых включает фрагменты кода.Автор освещает основные проблемы, связанные с поисковыми системами, и указывает пути решения этих проблем. Он раскрывает принципы тестирования эффективности нейронных сетей, а также измерения их затрат и выгод.Издание предназначено для читателей, владеющих программированием на среднем уровне и отлаживающих поисковые системы с целью повышения их эффективности, то есть выдачи наиболее релевантных результатов.

Форматы: PDF

Издательство: ДМК Пресс

Год: 2020

Место издания: Москва

ISBN: 978-5-97060-776-3

Страниц: 320

Артикул: 95150

Возрастная маркировка: 16+

Электронная книга

998 ₽

Купить и скачать

Содержание

Содержание книги "Глубокое обучение для поисковых систем "

Предисловие

От автора

Благодарности

Об этой книге

Об авторе

Об иллюстрации на обложке

Часть I. Поиск встречается с глубоким обучением

Глава 1. Поиск на основе нейронных сетей

1.1. Нейронные сети и глубокое обучение

1.2. Что такое машинное обучение?

1.3. Что глубокое обучение может сделать для поиска

1.4. Глубокое обучение: дорожная карта

1.5. Получение полезной информации

1.6. Нерешенные проблемы

1.7. Открываем черный ящик поисковой системы

1.8. Глубокое обучение спешит на помощь

1.9. Индекс, пожалуйста, познакомьтесь с нейроном

1.10. Обучение нейронной сети

1.11. Перспективы поиска на базе нейронных сетей

Резюме

Глава 2. Генерируем синонимы

2.1. Расширение синонимов. Введение

2.2. Важность контекста

2.3. Нейронные сети прямого распространения

2.4. Использование word2vec

2.5. Оценки и сравнения

2.6. Соображения относительно продукционных систем

Резюме

Часть II. Подключение нейронных сетей для использования их в поисковой системе

Глава 3. От простого поиска к генерации текста

3.1. Информационная потребность в сравнении с запросом: преодоление разрыва

3.2. Обучение на последовательностях

3.3. Рекуррентные нейронные сети

3.4. LSTM-сети для генерации текста без контроля

3.5. От неконтролируемой до контролируемой генерации текста

3.6. Соображения относительно продукционных систем

Резюме

Глава 4. Более чувствительные поисковые подсказки

4.1. Генерация поисковых подсказок

4.2. Lookup API

4.3. Проанализированные подсказчики

4.4. Использование языковых моделей

4.5. Подсказчики на базе контента

4.6. Нейронные языковые модели

4.7. Нейронная языковая модель на базе символов для создания подсказок

4.8. Настройка языковой модели

4.9. Вносим разнообразие в подсказки, используя векторные представления слов

Резюме

Глава 5. Ранжирование результатов поиска с помощью векторных представлений слов

5.1. Важность ранжирования

5.2. Модели поиска

5.3. Поиск информации на базе нейронных сетей

5.4. От векторов слов к векторам документов

5.5. Оценки и сравнения

Резюме

Глава 6. Векторные представления документов для ранжирования и рекомендаций

6.1. От векторных представлений слов к векторным представлениям документов

6.2. Использование векторов абзацев в ранжировании

6.3. Векторные представления документов и сопутствующий контент

Резюме

Часть III. Шаг за пределы

Глава 7. Поиск по языкам

7.1. Обслуживание пользователей, говорящих на нескольких языках

7.2. Статистический машинный перевод

7.3. Работа с параллельными корпусами

7.4. Нейронный машинный перевод

7.5. Векторные представления слов и документов для нескольких языков

Резюме

Глава 8. Поиск изображений на основе контента

8.1. Содержимое изображения и поиск

8.2. Взгляд назад: поиск изображений на базе текста

8.3. Понять изображения

8.4. Глубокое обучение для представления изображений

8.5. Работа с непомеченными изображениями

Резюме

Глава 9. Взглянем на производительность

9.1. Производительность и перспективы глубокого обучения

9.2. Индексы и нейроны работают вместе

9.3. Работа с потоками данных

Резюме

Глядя вперед

Предметный указатель

Внимание!
При обнаружении неточностей или ошибок в описании книги "Глубокое обучение для поисковых систем (автор Томмазо Теофили)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!