文書分類からはじめる自然言語処理入門　基本からＢＥＲＴまで

【まえがき】※一部抜粋

本書は自然言語処理の入門書です。これから自然言語処理の勉強を始めようとする人向けに最低限知っておいた方がよいと思う基本事項をまとめました。

自然言語処理の基本事項はディープラーニングの台頭により大きく様変わりしたと思います。

今後、自然言語処理がどのように変化していくかは分かりませんが、現状、自然言語処理の基礎は、言語の問題をパターン認識の問題として扱う手法になっていると思います。

ただ自然言語処理の応用分野は広く、パターン認識の問題として扱うにしても基礎となる事項は膨大です。

そのため本書は基本的に文書分類のタスクに的を絞り、その解決を念頭に置いて構成しました。

また基本の文書分類から少し発展した話題として、分散表現、系列ラベリング問題そして事前学習済みモデルの利用についても解説しました。

本書ではプログラム言語としてPython を利用します。ディープラーニングはもちろん、他の機械学習の手法を試すにもPython は最適ですし、スクリプト言語であるため自然言語処理で必要となる各種の処理を簡単に実行することができます。

本書を通して自然言語処理の基礎事項を知り、何らかの自然言語処理システムの構築に役立てたら幸いです。

目次

第1章 文書のベクトル化

1.1 文書分類とその入力

1.2 単語分割

1.3 N-gram

1.4 Bag-of-words

1.5 TF-IDF

1.6 Latent Semantic Analysis

第2章 分散表現

2.1 分散表現とは

2.2 cos 類似度

2.3 word2vec

2.4 doc2vec

第3章 分類問題

3.1 分類問題とは

3.2 分類問題と教師あり学習

3.3 Naive Bayes

3.4 文書分類の評価

3.5 ロジスティック回帰

3.6 Support Vector Machine

3.7 ニューラルネットワークとディープラーニング

3.8 半教師あり学習

第4章 系列ラベリング問題

4.1 系列ラベリング問題とは

4.2 系列ラベリング問題のタスク

4.2.1 単語分割

4.2.2 固有表現抽出

4.3 系列ラベリング問題の解法

4.3.1 HMM

4.3.2 CRF

4.3.3 LSTM

第5章 BERT

5.1 事前学習済みモデルとは

5.2 BERT の入出力

5.3 BERT 内部の処理

5.3.1 Transformer

5.3.2 Position Embeddings

5.3.3 BertLayer

5.3.4 Multi-Head Attention

5.4 BERT による文書分類

5.5 BERT による系列ラベリング

5.6 Pipeline によるタスクの推論

5.6.1 評判分析

5.6.2 固有表現抽出

5.6.3 要約

5.6.4 質問応答

5.6.5 テキスト生

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。