内容简介

文本语义向量化表示是指将自然语言编码为计算机可处理的、蕴含语义特征的向量的过程。在人工智能领域，语义表示学习是实现让机器理解自然语言的第一步，是机器处理文本数据和完成各种自然语言处理任务的基础，其性能的优劣直接影响下游任务的效果。因此，语义表示学习具有重要的研究意义和实用价值。本书梳理了文本语义向量化表示的基础理论，详细介绍了分布式表示和预训练语言模型，介绍了增强关联模式、融合知识、融合任务特征等典型的语义表示方法，并以机器阅读理解任务为例，介绍了文本语义向量化表示在人工智能领域的实际应用。最后本书对文本语义向量化表示技术进行了总结和未来研究展望。