本书介绍了智能问答技术的发展历史和分类、基于文本理解的智能问答中的关键技术和前沿研究问题，包括基于多域检索和融合的文本问答方法、基于偏序关系排序的文本问答方法、基于文本阅读理解的场景文本视觉问答方法、基于对比学习语义补齐的场景文本视觉问答方法、基于先验知识的场景文本视觉问答方法，并对智能问答技术的未来进行了展望。本书内容前沿、理论与实践并重，适合作为人工智能、智能问答领域研究人员、技术人员的参考书，也适合作为人工智能相关专业本科生或研究生的教材。

·预处理并将文本向量化成高维特征表示。 ·执行文档分类和主题建模。 ·通过可视化诊断指导模型选择过程。 ·提取关键短语、命名实体和图结构，实现文本数据推断。 ·建立对话框架，实现聊天机器人和语言驱动交互。 ·用Spark扩展处理能力，用神经网络实现对更复杂模型的支持。

本书分为三部分，共8章。 第一部分为概论，介绍问答系统的历史沿革、方法分类和全新进展。 第二部分主要讲述问答系统的两类构建方法。第一类方法基于语义分析，该类方法首先将自然语言问题显式地转化为基于知识库的结构化查询命令，进而对知识库进行查找并获取最终答案；第二类方法基于信息检索，该类方法首先对自然语言问题进行浅层和局部的语义分析，并根据分析结果从知识库中过滤出少量答案候选，进而使用机器学习算法对答案候选进行排序并获取最终答案。 第三部分介绍目前在问答领域广为使用的基准数据集和评测任务，综合地比较和分析多种典型问答系统在基准数据集上的性能，并指出目前方法中存在的主要问题和以及未来的研究方向。 本书可作为从事或希望从事“问答系统”研发工作的学生和工程师的自学教材，将配套丰富的开源代码和案例视频，使读者学完本书就能上手做项目。

本书采取问答的形式，在解剖生理、猪的繁育、饲料营养、猪场环境、后备母猪、妊娠母猪、猪的哺乳、保育猪、育肥出栏、疾病诊断与治疗等与养猪有关的技术方面提出问题，并予以解答，内容全面，注重实战。本书适合养猪场技术管理人员和养殖户参考使用。

本书采取问答的形式，在解剖生理、猪的繁育、饲料营养、猪场环境、后备母猪、妊娠母猪、猪的哺乳、保育猪、育肥出栏、疾病诊断与治疗等与养猪有关的技术方面提出问题，并予以解答，内容全面，注重实战。本书适合养猪场技术管理人员和养殖户参考使用。

这是一本讲述如何用NLP技术进行文本内容理解的著作，也是一本系统讲解NLP算法的著作，是作者在NLP和内容理解领域多年经验的总结。 本书结合内容理解的实际业务场景，系统全面、循序渐进地讲解了各种NLP算法以及如何用这些算法高效地解决内容理解方面的难题，主要包括如下几个方面的内容： （1）文本特征表示 文本特征表示是NLP的基石，也是内容理解的基础环节，本书详细讲解了离散型表示方法和分布型表示方法等特征表示方法及其应用场景，还讲解了词向量的评判标准。 （2）内容重复理解 详细讲解了标题重复、段落重复、文章重复的识别方法和去重算法。 （3）内容通顺度识别及纠正 详细讲解了内容通顺度的识别方法以及纠正不通顺内容的方法。 （4）内容质量 详细讲解了多种内容质量相关的算法，以及如何搭建高质量的知识问答体系的流程。 （5）标签体系构建 详细讲解了针对内容理解的标签体系的建设流程和方法，以及多种相关算法。 （6）文本摘要生成 详细讲解了抽取式文本摘要和生成式文本摘要两种流行的文本摘要生成方法，以及文本摘要的常用数据集和文本摘要评价方法。 （7）文本纠错 详细讲解了文本纠错的传统方法、深度学习方法、工业界解决方案，以及常用的文本纠错工具的安装和使用。

本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案,系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3部分是智能运维实战案例，包括第6~11章。 本书适合从事企业数字化转型建设工作的一线从业者、管理者，尤其适合在ICT领域从事运维工作的人员学习。

本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案,系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3部分是智能运维实战案例，包括第6~11章。 本书适合从事企业数字化转型建设工作的一线从业者、管理者，尤其适合在ICT领域从事运维工作的人员学习。

简介：进来看着不是小说，有问必答！

简介：进来看着不是小说，有问必答！