此部分為隱藏內容，請輸入驗證碼后查看
掃描右側圖片或微信搜索 “ Java技術分享屋 ” ，回復 “ 驗證碼 ” ，獲取驗證密碼。
本資料僅供讀者預覽及學習交流使用，不能用于商業(yè)用途，請在下載后24小時內刪除。如果喜歡，請購買正版！
一.資料圖片
二.資料簡介
自然語言處理是計算語言學和人工智能之中與人機交互相關的領域之一。
本書是學習自然語言處理的一本綜合學習指南，介紹了如何用Python實現(xiàn)各種NLP任務，以幫助讀者創(chuàng)建基于真實生活應用的項目。全書共10章，分別涉及字符串操作、統(tǒng)計語言建模、形態(tài)學、詞性標注、語法解析、語義分析、情感分析、信息檢索、語篇分析和NLP系統(tǒng)評估等主題。
本書適合熟悉Python語言并對自然語言處理開發(fā)有一定了解和興趣的讀者閱讀參考。
三.資料目錄
第1章字符串操作1
1.1切分1
1.1.1將文本切分為語句2
1.1.2其他語言文本的切分2
1.1.3將句子切分為單詞3
1.1.4使用TreebankWordTokenizer執(zhí)行切分4
1.1.5使用正則表達式實現(xiàn)切分5
1.2標準化8
1.2.1消除標點符號8
1.2.2文本的大小寫轉換9
1.2.3處理停止詞9
1.2.4計算英語中的停止詞10
1.3替換和校正標識符11
1.3.1使用正則表達式替換單詞11
1.3.2用另一個文本替換文本的示例12
1.3.3在執(zhí)行切分前先執(zhí)行替換操作12
1.3.4處理重復字符13
1.3.5去除重復字符的示例13
1.3.6用單詞的同義詞替換14
1.3.7用單詞的同義詞替換的示例15
1.4在文本上應用Zipf定律15
1.5相似性度量16
1.5.1使用編輯距離算法執(zhí)行相似性度量16
1.5.2使用Jaccard系數執(zhí)行相似性度量18
1.5.3使用Smith Waterman距離算法執(zhí)行相似性度量19
1.5.4其他字符串相似性度量19
1.6小結20
第2章統(tǒng)計語言建模21
2.1理解單詞頻率21
2.1.1為給定的文本開發(fā)MLE25
2.1.2隱馬爾科夫模型估計32
2.2在MLE模型上應用平滑34
2.2.1加法平滑34
2.2.2Good Turing平滑35
2.2.3Kneser Ney平滑40
2.2.4Witten Bell平滑41
2.3為MLE開發(fā)一個回退機制41
2.4應用數據的插值以便獲取混合搭配42
2.5通過復雜度來評估語言模型42
2.6在語言建模中應用Metropolis—Hastings算法43
2.7在語言處理中應用Gibbs采樣法43
2.8小結46
第3章形態(tài)學：在實踐中學習47
3.1形態(tài)學簡介47
3.2理解詞干提取器48
3.3理解詞形還原51
3.4為非英文語言開發(fā)詞干提取器52
3.5形態(tài)分析器54
3.6形態(tài)生成器56
3.7搜索引擎56
3.8小結61
第4章詞性標注：單詞識別62
4.1詞性標注簡介62
默認標注67
4.2創(chuàng)建詞性標注語料庫68
4.3選擇一種機器學習算法70
4.4涉及n—gram的統(tǒng)計建模72
4.5使用詞性標注語料庫開發(fā)分塊器78
4.6小結80
第5章語法解析：分析訓練資料81
5.1語法解析簡介81
5.2Treebank建設82
5.3從Treebank提取上下文無關文法規(guī)則87
5.4從CFG創(chuàng)建概率上下文無關文法93
5.5CYK線圖解析算法94
5.6Earley線圖解析算法96
5.7小結102
第6章語義分析：意義很重要103
6.1語義分析簡介103
6.1.1NER簡介107
6.1.2使用隱馬爾科夫模型的NER系統(tǒng)111
6.1.3使用機器學習工具包訓練NER117
6.1.4使用詞性標注執(zhí)行NER117
6.2使用Wordnet生成同義詞集id119
6.3使用Wordnet進行詞義消歧122
6.4小結127
第7章情感分析：我很快樂128
7.1情感分析簡介128
7.1.1使用NER執(zhí)行情感分析134
7.1.2使用機器學習執(zhí)行情感分析134
7.1.3NER系統(tǒng)的評估141
7.2小結159
第8章信息檢索：訪問信息160
8.1信息檢索簡介160
8.1.1停止詞刪除161
8.1.2使用向量空間模型進行信息檢索163
8.2向量空間評分及查詢操作符關聯(lián)170
8.3使用隱性語義索引開發(fā)IR系統(tǒng)173
8.4文本摘要174
8.5問答系統(tǒng)176
8.6小結177
第9章語篇分析：理解才是可信的178
9.1語篇分析簡介178
9.1.1使用中心理論執(zhí)行語篇分析183
9.1.2指代消解184
9.2小結188
第10章NLP系統(tǒng)評估：性能分析189
10.1NLP系統(tǒng)評估要點189
10.1.1NLP工具的評估（詞性標注器、詞干提取器及形態(tài)分析器）190
10.1.2使用黃金數據執(zhí)行解析器評估200
10.2IR系統(tǒng)的評估201
10.3錯誤識別指標202
10.4基于詞匯搭配的指標202
10.5基于句法匹配的指標207
10.6使用淺層語義匹配的指標207
10.7小結208