オーテピア高知図書館・
高知市民図書館分館・分室
所蔵検索
検索ホーム
詳細検索
資料紹介
各館お知らせ
Myライブラリ
オーテピア高知図書館
ウェブサイトへ
高知市民図書館
分館・分室案内へ
県内図書館横断検索へ
 
よくある質問
 
簡易検索
本サイトにはJavaScriptの利用を前提とした機能がございます。
お客様の環境では一部の機能がご利用いただけない可能性がございますので、ご了承ください。
本サイトではCookieを使用しています。ブラウザの設定でCookieを有効にしてください。
資料詳細
詳細検索
ジャンル検索
1 件中、 1 件目
NEW
Webテクノロジー 自然言語処理・検索・推薦・大規模言語モデル
牛尼 剛聡/編著 佃 洸摂/編著
コロナ社 2026.8 (メディアテクノロジーシリーズ)
予約かごへ
My本棚へ
所蔵
所蔵は
1
件です。現在の予約件数は
0
件です。
所蔵館
所蔵場所
請求記号
資料コード
資料区分
持禁区分
状態
オーテピア高知図書館
3Fビジネス-IT
4Y/007.645/ウエ/
1113014672
一般
利用可
ページの先頭へ
館別所蔵
所蔵数
貸出中数
貸出可能数
合計
館名
所蔵数
貸出中数
貸出可能数
オーテピア高知図書館
1
0
1
ページの先頭へ
資料詳細
タイトル
Webテクノロジー
副書名
自然言語処理・検索・推薦・大規模言語モデル
叢書名
メディアテクノロジーシリーズ
,
13
著者
牛尼 剛聡
/編著,
佃 洸摂
/編著,
河合 由起子
/共著,
若宮 翔子
/共著,
中島 伸介
/共著
著者典拠番号
110008663140000
,
110008663150000
,
110008663170000
,
110007079650000
,
110008663190000
出版者
コロナ社
出版地
東京
出版年
2026.8
ページ数
12,253p
大きさ
21cm
言語
日本語
一般件名
WWW
,
機械学習
,
言語情報処理
,
情報検索
一般件名典拠番号
510363700000000
,
511957000000000
,
510734300000000
,
510976700000000
NDC分類(9版)
547.4833
内容紹介
Webテクノロジーを体系的に学べる入門書。インターネットとWebの基礎から、機械学習、自然言語処理、情報検索、情報推薦、大規模言語モデルまで、現代のWebサービスを支える多様な技術を幅広く解説する。
ISBN
4-339-01383-2
ISBN13桁
978-4-339-01383-2
本体価格
¥4400
資料情報1
『Webテクノロジー 自然言語処理・検索・推薦・大規模言語モデル』(メディアテクノロジーシリーズ 13) 牛尼 剛聡/編著, 佃 洸摂/編著 , 河合 由起子/共著 コロナ社 2026.8(所蔵館:オーテピア高知図書館 請求記号:4Y/007.645/ウエ/ 資料コード:1113014672)
URL
https://opac.library.kochi.jp/winj/opac/switch-detail.do?lang=ja&bibid=1120959634
URLコピー
ページの先頭へ
目次
第1章 Web技術の基礎と仕組み
1.1 インターネットとWeb
1.2 クライアント・サーバモデル
1.3 Webクライアント
1.4 Webのデータ通信と構造
1.5 モダンWeb開発の潮流
1.6 まとめ
第2章 機械学習
2.1 機械学習とは
2.2 教師あり学習
2.3 教師なし学習
2.4 深層学習
2.5 まとめ
第3章 自然言語処理
3.1 テキストデータの扱い方と基礎概念
3.2 形態素解析
3.3 固有表現抽出
3.4 構文解析
3.5 意味解析
3.6 応用タスク
3.7 言語資源
3.8 まとめ
第4章 情報検索
4.1 情報検索の流れ
4.2 転置インデックス
4.3 単語の出現傾向を用いたランキング手法
4.4 リンク構造を用いたランキング手法
4.5 機械学習を用いたランキング手法
4.6 情報検索の評価
4.7 クエリ自動補完・クエリ推薦
4.8 まとめ
第5章 情報推薦
5.1 Webにおける情報推薦
5.2 ユーザの嗜好表現
5.3 アイテムの内容に基づく情報推薦
5.4 協調フィルタリングに基づく情報推薦
5.5 深層学習を用いた情報推薦
5.6 ハイブリッド型の情報推薦
5.7 推薦手法の評価
5.8 まとめ
第6章 大規模言語モデルとその応用
6.1 言語モデルの概念と歴史的背景
6.2 Transformer
6.3 Transformerを基盤とした言語モデル
6.4 Transformerを基盤とした言語モデルの学習
6.5 LLMを活用したアプリケーション
6.6 LLMの課題
6.7 まとめ
ページの先頭へ