深度學習預(yù)訓練語言模型：案例篇

　　本書在全面概述預(yù)訓練語言模型演進過程并對BERTology模型詳盡綜述的基礎(chǔ)上，將深度學習預(yù)訓練模型理論和金融行業(yè)實踐相結(jié)合，介紹了深度學習預(yù)訓練模型在人工智能產(chǎn)業(yè)、金融行業(yè)、金融科技領(lǐng)域的實戰(zhàn)項目案例，專注于金融文本情緒分類典型應(yīng)用場景，揭示出特定領(lǐng)域預(yù)訓練模型潛在的一般規(guī)律。全書共分7章，分別為： 預(yù)訓練模型與金融文本情緒分類任務(wù)、預(yù)訓練語言模型關(guān)鍵技術(shù)、面向中文金融文本情緒分類的預(yù)訓練模型對比、FinWoBERT： 中文金融領(lǐng)域增強預(yù)訓練模型、GANFinWoBERT： 對抗訓練的中文金融預(yù)訓練模型、FinWoBERT+ConvLSTM： 基于投資者情緒權(quán)重的科創(chuàng)50指數(shù)預(yù)測、總結(jié)與展望，每章內(nèi)容隨項目實踐的深入層層遞進、逐步展開。 本書適合自然語言處理、金融科技領(lǐng)域的研究人員和技術(shù)人員，高等學?；蚺嘤枡C構(gòu)教師和學生以及有意了解相關(guān)領(lǐng)域的學習者和愛好者閱讀。

暫缺《深度學習預(yù)訓練語言模型：案例篇》作者簡介