计算机 类型
可以朗读 语音朗读
612千字 字数
2019-02-01 发行日期
展开全部

主编推荐语

本书提供NLTK及Python库应用，分三部分教授NLP与机器学习项目构建。

内容简介

本书是一本运用NLTK和其他Python库构建专业NLP和机器学习项目的学习指南。本书共分为三部分。第一部分是NLTK基本模块，重点是如何创建文本分割器和解析器。第二部分介绍一些简单的文本处理方法和语言处理的基本技术。第三部分将会带领读者去实现自己的NLP项目。

目录

  • 版权信息
  • 版权
  • 版权声明
  • 内容提要
  • 译者序
  • 前言
  • 资源与支持
  • 模块1 NLTK基础知识
  • 第1章 自然语言处理简介
  • 1.1 为什么要学习NLP
  • 1.2 从Python的基本知识开始
  • 1.2.1 列表
  • 1.2.2 自助
  • 1.2.3 正则表达式
  • 1.2.4 词典
  • 1.2.5 编写函数
  • 1.3 NLTK
  • 1.4 试一试
  • 1.5 本章小结
  • 第2章 文本的整理和清洗
  • 2.1 文本整理
  • 2.2 文本清洗
  • 2.3 句子拆分器
  • 2.4 标记解析
  • 2.5 词干提取
  • 2.6 词形还原
  • 2.7 停用词删除
  • 2.8 生僻字删除
  • 2.9 拼写校正
  • 2.10 试一试
  • 2.11 本章小结
  • 第3章 词性标注
  • 3.1 什么是词性标注
  • 3.1.1 斯坦福标注器
  • 3.1.2 深入了解标注器
  • 3.1.3 序列标注器
  • 3.1.4 布里尔标注器
  • 3.1.5 基于标注器的机器学习
  • 3.2 命名实体识别
  • NER标注器
  • 3.3 试一试
  • 3.4 本章小结
  • 第4章 对文本的结构进行语法分析
  • 4.1 浅层语法分析与深层语法分析
  • 4.2 语法分析的两种方法
  • 4.3 为什么需要语法分析
  • 4.4 不同类型的语法分析器
  • 4.4.1 递归下降的语法分析器
  • 4.4.2 移位归约语法分析器
  • 4.4.3 图表语法分析器
  • 4.4.4 正则表达式语法分析器
  • 4.5 依存分析
  • 4.6 组块化
  • 4.7 信息抽取
  • 4.7.1 命名实体识别
  • 4.7.2 关系抽取
  • 4.8 本章小结
  • 第5章 NLP应用
  • 5.1 构建第一个NLP应用
  • 5.2 其他的NLP应用
  • 5.2.1 机器翻译
  • 5.2.2 统计机器翻译
  • 5.2.3 信息检索
  • 5.2.4 语音识别
  • 5.2.5 文本分类
  • 5.2.6 信息提取
  • 5.2.7 问答系统
  • 5.2.8 对话系统
  • 5.2.9 词义消歧
  • 5.2.10 主题建模
  • 5.2.11 语言检测
  • 5.2.12 光学字符识别
  • 5.3 本章小结
  • 第6章 文本分类
  • 6.1 机器学习
  • 6.2 文本分类
  • 6.3 采样
  • 6.3.1 朴素贝叶斯
  • 6.3.2 决策树
  • 6.3.3 随机梯度下降
  • 6.3.4 逻辑回归
  • 6.3.5 支持向量机
  • 6.4 随机森林算法
  • 6.5 文本聚类
  • K均值算法
  • 6.6 文本的主题建模
  • 安装gensim
  • 6.7 参考资料
  • 6.8 本章小结
  • 第7章 网络爬取
  • 7.1 网络爬虫
  • 7.2 编写第一个爬虫程序
  • 7.3 Scra py中的数据流
  • 7.3.1 Scrapy命令行界面
  • 7.3.2 项
  • 7.4 站点地图蜘蛛
  • 7.5 项管道
  • 7.6 外部参考
  • 7.7 本章小结
  • 第8章 与其他Python库一同使用NLTK
  • 8.1 NumPy
  • 8.1.1 ndarray
  • 8.1.2 基本操作
  • 8.1.3 从数组中提取数据
  • 8.1.4 复杂的矩阵运算
  • 8.2 SciP y
  • 8.2.1 线性代数
  • 8.2.2 特征值和特征向量
  • 8.2.3 稀疏矩阵
  • 8.2.4 优化
  • 8.3 Pandas
  • 8.3.1 读取数据
  • 8.3.2 时序数据
  • 8.3.3 列转换
  • 8.3.4 噪声数据
  • 8.4 Matplotlib
  • 8.4.1 subplot
  • 8.4.2 添加轴
  • 8.4.3 散点图
  • 8.4.4 柱状图
  • 8.4.5 3D图
  • 8.5 外部参考
  • 8.6 本章小结
  • 第9章 使用Python进行社交媒体挖掘
  • 9.1 数据收集
  • 推特
  • 9.2 数据提取
  • 热门话题
  • 9.3 地理可视化
  • 9.3.1 影响者检测
  • 9.3.2 Facebook
  • 9.3.3 影响者的朋友
  • 9.4 本章小结
  • 第10章 大规模的文本挖掘
  • 10.1 在Hadoop上使用Python的不同方法
  • 10.1.1 Python的流
  • 10.1.2 Hive/Pig UDF
  • 10.1.3 流包装器
  • 10.2 在Hadoop上运行NLTK
  • 10.2.1 UDF
  • 10.2.2 Python流
  • 10.3 在Hadoop上运行scikit-learn
  • 10.4 PySpark
  • 10.5 本章小结
  • 模块2 使用Python 3的NLTK 3进行文本处理
  • 第1章 标记文本和WordNet的基础
  • 1.1 引言
  • 1.2 将文本标记成句子
  • 1.2.1 准备工作
  • 1.2.2 工作方式
  • 1.2.3 工作原理
  • 1.2.4 更多信息
  • 1.2.5 请参阅
  • 1.3 将句子标记成单词
  • 1.3.1 工作方式
  • 1.3.2 工作原理
  • 1.3.3 更多信息
  • 1.3.4 请参阅
  • 1.4 使用正则表达式标记语句
  • 1.4.1 准备工作
  • 1.4.2 工作方式
  • 1.4.3 工作原理
  • 1.4.4 更多信息
  • 1.4.5 请参阅
  • 1.5 训练语句标记生成器
  • 1.5.1 准备工作
  • 1.5.2 工作方式
  • 1.5.3 工作原理
  • 1.5.4 更多信息
  • 1.5.5 请参阅
  • 1.6 在已标记的语句中过滤停用词
  • 1.6.1 准备工作
  • 1.6.2 工作方式
  • 1.6.3 工作原理
  • 1.6.4 更多信息
  • 1.6.5 请参阅
  • 1.7 查找WordNet中单词的Synset
  • 1.7.1 准备工作
  • 1.7.2 工作方式
  • 1.7.3 工作原理
  • 1.7.4 更多信息
  • 1.7.5 请参阅
  • 1.8 在WordNet中查找词元和同义词
  • 1.8.1 工作方式
  • 1.8.2 工作原理
  • 1.8.3 更多信息
  • 1.8.4 请参阅
  • 1.9 计算WordNet和Synset的相似度
  • 1.9.1 工作方式
  • 1.9.2 工作原理
  • 1.9.3 更多信息
  • 1.9.4 请参阅
  • 1.10 发现单词搭配
  • 1.10.1 准备工作
  • 1.10.2 工作方式
  • 1.10.3 工作原理
  • 1.10.4 更多信息
  • 1.10.5 请参阅
  • 第2章 替换和校正单词
  • 2.1 引言
  • 2.2 词干提取
  • 2.2.1 工作方式
  • 2.2.2 工作原理
  • 2.2.3 更多信息
  • 2.2.4 请参阅
  • 2.3 使用WordNet进行词形还原
  • 2.3.1 准备工作
  • 2.3.2 工作方式
  • 2.3.3 工作原理
  • 2.3.4 更多信息
  • 2.3.5 请参阅
  • 2.4 基于匹配的正则表达式替换单词
  • 2.4.1 准备工作
  • 2.4.2 工作方式
  • 2.4.3 工作原理
  • 2.4.4 更多信息
  • 2.4.5 请参阅
  • 2.5 移除重复字符
  • 2.5.1 准备工作
  • 2.5.2 工作方式
  • 2.5.3 工作原理
  • 2.5.4 更多信息
  • 2.5.5 请参阅
  • 2.6 使用Enchant进行拼写校正
  • 2.6.1 准备工作
  • 2.6.2 工作方式
  • 2.6.3 工作原理
  • 2.6.4 更多信息
  • 2.6.5 请参阅
  • 2.7 替换同义词
  • 2.7.1 准备工作
  • 2.7.2 工作方式
  • 2.7.3 工作原理
  • 2.7.4 更多信息
  • 2.7.5 请参阅
  • 2.8 使用反义词替换否定形式
  • 2.8.1 工作方式
  • 2.8.2 工作原理
  • 2.8.3 更多信息
  • 2.8.4 请参阅
  • 第3章 创建语料库
  • 3.1 引言
  • 3.2 建立自定义语料库
  • 3.2.1 准备工作
  • 3.2.2 工作方式
  • 3.2.3 工作原理
  • 3.2.4 更多信息
  • 3.2.5 请参阅
  • 3.3 创建词汇表语料库
  • 3.3.1 准备工作
  • 3.3.2 工作方式
  • 3.3.3 工作原理
  • 3.3.4 更多信息
  • 3.3.5 请参阅
  • 3.4 创建已标记词性单词的语料库
  • 3.4.1 准备工作
  • 3.4.2 工作方式
  • 3.4.3 工作原理
  • 3.4.4 更多信息
  • 3.4.5 请参阅
  • 3.5 创建已组块短语的语料库
  • 3.5.1 准备工作
  • 3.5.2 工作方式
  • 3.5.3 工作原理
  • 3.5.4 更多信息
  • 3.5.5 请参阅
  • 3.6 创建已分类文本的语料库
  • 3.6.1 准备工作
  • 3.6.2 工作方式
  • 3.6.3 工作原理
  • 3.6.4 更多信息
  • 3.6.5 请参阅
  • 3.7 创建已分类组块语料库读取器
  • 3.7.1 准备工作
  • 3.7.2 工作方式
  • 3.7.3 工作原理
  • 3.7.4 更多信息
  • 3.7.5 请参阅
  • 3.8 懒惰语料库加载
  • 3.8.1 工作方式
  • 3.8.2 工作原理
  • 3.8.3 更多信息
  • 3.9 创建自定义语料库视图
  • 3.9.1 工作方式
  • 3.9.2 工作原理
  • 3.9.3 更多信息
  • 3.9.4 请参阅
  • 3.10 创建基于MongoDB的语料库读取器
  • 3.10.1 准备工作
  • 3.10.2 工作方式
  • 3.10.3 工作原理
  • 3.10.4 更多信息
  • 3.10.5 请参阅
  • 3.11 在加锁文件的情况下编辑语料库
  • 3.11.1 准备工作
  • 3.11.2 工作方式
  • 3.11.3 工作原理
  • 第4章 词性标注
  • 4.1 引言
  • 4.2 默认标注
  • 4.2.1 准备工作
  • 4.2.2 工作方式
  • 4.2.3 工作原理
  • 4.2.4 更多信息
  • 4.2.5 请参阅
  • 4.3 训练一元组词性标注器
  • 4.3.1 工作方式
  • 4.3.2 工作原理
  • 4.3.3 更多信息
  • 4.3.4 请参阅
  • 4.4 回退标注的组合标注器
  • 4.4.1 工作方式
  • 4.4.2 工作原理
  • 4.4.3 更多信息
  • 4.4.4 请参阅
  • 4.5 训练和组合N元标注器
  • 4.5.1 准备工作
  • 4.5.2 工作方式
  • 4.5.3 工作原理
  • 4.5.4 更多信息
  • 4.5.5 请参阅
  • 4.6 创建似然单词标签的模型
  • 4.6.1 工作方式
  • 4.6.2 工作原理
  • 4.6.3 更多信息
  • 4.6.4 请参阅
  • 4.7 使用正则表达式标注
  • 4.7.1 准备工作
  • 4.7.2 工作方式
  • 4.7.3 工作原理
  • 4.7.4 更多信息
  • 4.7.5 请参阅
  • 4.8 词缀标签
  • 4.8.1 工作方式
  • 4.8.2 工作原理
  • 4.8.3 更多信息
  • 4.8.4 请参阅
  • 4.9 训练布里尔标注器
  • 4.9.1 工作方式
  • 4.9.2 工作原理
  • 4.9.3 更多信息
  • 4.9.4 请参阅
  • 4.10 训练TnT标注器
  • 4.10.1 工作方式
  • 4.10.2 工作原理
  • 4.10.3 更多信息
  • 4.10.4 请参阅
  • 4.11 使用WordNet进行标注
  • 4.11.1 准备工作
  • 4.11.2 工作方式
  • 4.11.3 工作原理
  • 4.11.4 请参阅
  • 4.12 标注专有名词
  • 4.12.1 工作方式
  • 4.12.2 工作原理
  • 4.12.3 请参阅
  • 4.13 基于分类器的标注
  • 4.13.1 工作方式
  • 4.13.2 工作原理
  • 4.13.3 更多信息
  • 4.13.4 请参阅
  • 4.14 使用NLTK训练器训练标注器
  • 4.14.1 工作方式
  • 4.14.2 工作原理
  • 4.14.3 更多信息
  • 4.14.4 请参阅
  • 第5章 提取组块
  • 5.1 引言
  • 5.2 使用正则表达式组块和隔断
  • 5.2.1 准备工作
  • 5.2.2 工作方式
  • 5.2.3 工作原理
  • 5.2.4 更多信息
  • 5.2.5 请参阅
  • 5.3 使用正则表达式合并和拆分组块
  • 5.3.1 工作方式
  • 5.3.2 工作原理
  • 5.3.3 更多信息
  • 5.3.4 请参阅
  • 5.4 使用正则表达式扩展和删除组块
  • 5.4.1 工作方式
  • 5.4.2 工作原理
  • 5.4.3 更多信息
  • 5.4.4 请参阅
  • 5.5 使用正则表达式进行部分解析
  • 5.5.1 工作方式
  • 5.5.2 工作原理
  • 5.5.3 更多信息
  • 5.5.4 请参阅
  • 5.6 训练基于标注器的组块器
  • 5.6.1 工作方式
  • 5.6.2 工作原理
  • 5.6.3 更多信息
  • 5.6.4 请参阅
  • 5.7 基于分类的分块
  • 5.7.1 工作方式
  • 5.7.2 工作原理
  • 5.7.3 更多信息
  • 5.7.4 请参阅
  • 5.8 提取命名实体
  • 5.8.1 工作方式
  • 5.8.2 工作原理
  • 5.8.3 更多信息
  • 5.8.4 请参阅
  • 5.9 提取专有名词组块
  • 5.9.1 工作方式
  • 5.9.2 工作原理
  • 5.9.3 更多信息
  • 5.10 提取部位组块
  • 5.10.1 工作方式
  • 5.10.2 工作原理
  • 5.10.3 更多信息
  • 5.10.4 请参阅
  • 5.11 训练命名实体组块器
  • 5.11.1 工作方式
  • 5.11.2 工作原理
  • 5.11.3 更多信息
  • 5.11.4 请参阅
  • 5.12 使用NLTK训练器训练组块器
  • 5.12.1 工作方式
  • 5.12.2 工作原理
  • 5.12.3 更多信息
  • 5.12.4 请参阅
  • 第6章 转换组块与树
  • 6.1 引言
  • 6.2 过滤句子中无意义的单词
  • 6.2.1 准备工作
  • 6.2.2 工作方式
  • 6.2.3 工作原理
  • 6.2.4 更多信息
  • 6.2.5 请参阅
  • 6.3 纠正动词形式
  • 6.3.1 准备工作
  • 6.3.2 工作方式
  • 6.3.3 工作原理
  • 6.3.4 请参阅
  • 6.4 交换动词短语
  • 6.4.1 工作方式
  • 6.4.2 工作原理
  • 6.4.3 更多信息
  • 6.4.4 请参阅
  • 6.5 交换名词基数
  • 6.5.1 工作方式
  • 6.5.2 工作原理
  • 6.5.3 请参阅
  • 6.6 交换不定式短语
  • 6.6.1 工作方式
  • 6.6.2 工作原理
  • 6.6.3 更多信息
  • 6.6.4 请参阅
  • 6.7 单数化复数名词
  • 6.7.1 工作方式
  • 6.7.2 工作原理
  • 6.7.3 请参阅
  • 6.8 链接组块变换
  • 6.8.1 工作方式
  • 6.8.2 工作原理
  • 6.8.3 更多信息
  • 6.8.4 请参阅
  • 6.9 将组块树转换为文本
  • 6.9.1 工作方式
  • 6.9.2 工作原理
  • 6.9.3 更多信息
  • 6.9.4 请参阅
  • 6.10 平展深度树
  • 6.10.1 准备工作
  • 6.10.2 工作方式
  • 6.10.3 工作原理
  • 6.10.4 更多信息
  • 6.10.5 请参阅
  • 6.11 创建浅树
  • 6.11.1 工作方式
  • 6.11.2 工作原理
  • 6.11.3 请参阅
  • 6.12 转换树标签
  • 6.12.1 准备工作
  • 6.12.2 工作方式
  • 6.12.3 工作原理
  • 6.12.4 请参阅
  • 第7章 文本分类
  • 7.1 引言
  • 7.2 词袋特征提取
  • 7.2.1 工作方式
  • 7.2.2 工作原理
  • 7.2.3 更多信息
  • 7.2.4 请参阅
  • 7.3 训练朴素贝叶斯分类器
  • 7.3.1 准备工作
  • 7.3.2 工作方式
  • 7.3.3 工作原理
  • 7.3.4 更多信息
  • 7.3.5 请参阅
  • 7.4 训练决策树分类器
  • 7.4.1 工作方式
  • 7.4.2 工作原理
  • 7.4.3 更多信息
  • 7.4.4 请参阅
  • 7.5 训练最大熵分类器
  • 7.5.1 准备工作
  • 7.5.2 工作方式
  • 7.5.3 工作原理
  • 7.5.4 更多信息
  • 7.5.5 请参阅
  • 7.6 训练scikit-learn分类器
  • 7.6.1 准备工作
  • 7.6.2 工作方式
  • 7.6.3 工作原理
  • 7.6.4 更多信息
  • 7.6.5 请参阅
  • 7.7 衡量分类器的精准率和召回率
  • 7.7.1 工作方式
  • 7.7.2 工作原理
  • 7.7.3 更多信息
  • 7.7.4 请参阅
  • 7.8 计算高信息量单词
  • 7.8.1 工作方式
  • 7.8.2 工作原理
  • 7.8.3 更多信息
  • 7.8.4 请参阅
  • 7.9 使用投票组合分类器
  • 7.9.1 准备工作
  • 7.9.2 工作方式
  • 7.9.3 工作原理
  • 7.9.4 请参阅
  • 7.10 使用多个二元分类器分类
  • 7.10.1 准备工作
  • 7.10.2 工作方式
  • 7.10.3 工作原理
  • 7.10.4 更多信息
  • 7.10.5 请参阅
  • 7.11 使用NLTK训练器训练分类器
  • 7.11.1 工作方式
  • 7.11.2 工作原理
  • 7.11.3 更多信息
  • 7.11.4 请参阅
  • 第8章 分布式进程和大型数据集的处理
  • 8.1 引言
  • 8.2 使用execnet进行分布式标注
  • 8.2.1 准备工作
  • 8.2.2 工作方式
  • 8.2.3 工作原理
  • 8.2.4 更多内容
  • 8.2.5 请参阅
  • 8.3 使用execnet进行分布式组块
  • 8.3.1 准备工作
  • 8.3.2 工作方式
  • 8.3.3 工作原理
  • 8.3.4 更多内容
  • 8.3.5 请参阅
  • 8.4 使用execnet并行处理列表
  • 8.4.1 工作方式
  • 8.4.2 工作原理
  • 8.4.3 更多内容
  • 8.4.4 请参阅
  • 8.5 在Redis中存储频率分布
  • 8.5.1 准备工作
  • 8.5.2 工作方式
  • 8.5.3 工作原理
  • 8.5.4 更多内容
  • 8.5.5 请参阅
  • 8.6 在Redis中存储条件频率分布
  • 8.6.1 准备工作
  • 8.6.2 工作方式
  • 8.6.3 工作原理
  • 8.6.4 更多内容
  • 8.6.5 请参阅
  • 8.7 在Redis中存储有序字典
  • 8.7.1 准备工作
  • 8.7.2 工作方式
  • 8.7.3 工作原理
  • 8.7.4 更多内容
  • 8.7.5 请参阅
  • 8.8 使用Redis和execnet进行分布式单词评分
  • 8.8.1 准备工作
  • 8.8.2 工作方式
  • 8.8.3 工作原理
  • 8.8.4 更多内容
  • 8.8.5 请参阅
  • 第9章 解析特定的数据类型
  • 9.1 引言
  • 9.2 使用dateutil解析日期和时间
  • 9.2.1 准备工作
  • 9.2.2 工作方式
  • 9.2.3 工作原理
  • 9.2.4 更多信息
  • 9.2.5 请参阅
  • 9.3 时区的查找和转换
  • 9.3.1 准备工作
  • 9.3.2 工作方式
  • 9.3.3 工作原理
  • 9.3.4 更多信息
  • 9.3.5 请参阅
  • 9.4 使用lxml从HTML中提取URL
  • 9.4.1 准备工作
  • 9.4.2 工作方式
  • 9.4.3 工作原理
  • 9.4.4 更多信息
  • 9.4.5 请参阅
  • 9.5 清理和剥离HTML
  • 9.5.1 准备工作
  • 9.5.2 工作方式
  • 9.5.3 工作原理
  • 9.5.4 更多信息
  • 9.5.5 请参阅
  • 9.6 使用Beautiful Soup转换HTML实体
  • 9.6.1 准备工作
  • 9.6.2 工作方式
  • 9.6.3 工作原理
  • 9.6.4 更多信息
  • 9.6.5 请参阅
  • 9.7 检测和转换字符编码
  • 9.7.1 准备工作
  • 9.7.2 工作方式
  • 9.7.3 工作原理
  • 9.7.4 更多信息
  • 9.7.5 请参阅
  • 附录A 宾州treebank词性标签
  • 模块3 使用Python掌握自然语言处理
  • 第1章 使用字符串
  • 1.1 标记化
  • 1.1.1 将文本标记为句子
  • 1.1.2 其他语言文字的标记化
  • 1.1.3 将句子标记为单词
  • 1.1.4 使用TreebankWordTokenizer进行标记化
  • 1.1.5 使用正则表达式进行标记化
  • 1.2 规范化
  • 1.2.1 消除标点符号
  • 1.2.2 转化为小写和大写
  • 1.2.3 处理停用词
  • 1.2.4 计算英语中的停用词
  • 1.3 替代和纠正标记
  • 1.3.1 使用正则表达式替换单词
  • 1.3.2 使用一个文本替换另一个文本的示例
  • 1.3.3 在标记化之前进行替代
  • 1.3.4 处理重复的字符
  • 1.3.5 删除重复字符的示例
  • 1.3.6 使用单词的同义词替换单词
  • 1.4 在文本上应用齐夫定律
  • 1.5 相似性量度
  • 1.5.1 使用编辑距离算法应用相似性量度
  • 1.5.2 使用杰卡德系数应用相似性量度
  • 1.5.3 使用史密斯-沃特曼算法应用相似性量度
  • 1.5.4 其他字符串相似性指标
  • 1.6 本章小结
  • 第2章 统计语言模型
  • 2.1 单词频率
  • 2.1.1 对给定文本进行最大似然估计
  • 2.1.2 隐马尔可夫模型估计
  • 2.2 在MLE模型上应用平滑
  • 2.2.1 加一平滑法
  • 2.2.2 古德-图灵算法
  • 2.2.3 聂氏估计
  • 2.2.4 威滕·贝尔估计
  • 2.3 为MLE指定回退机制
  • 2.4 应用数据插值获得混合和匹配
  • 2.5 应用困惑度评估语言模型
  • 2.6 在建模语言中应用梅特罗波利斯-黑斯廷斯算法
  • 2.7 在语言处理中应用吉布斯采样
  • 2.8 本章小结
  • 第3章 词语形态学——试一试
  • 3.1 词语形态学
  • 3.2 词根还原器
  • 3.3 词形还原
  • 3.4 开发用于非英语语言的词根还原器
  • 3.5 词语形态分析器
  • 3.6 词语形态生成器
  • 3.7 搜索引擎
  • 3.8 本章小结
  • 第4章 词性标注——识别单词
  • 4.1 词性标注
  • 默认标注
  • 4.2 创建POS标注的语料库
  • 4.3 选择某个机器学习算法
  • 4.4 涉及n元组方法的统计建模
  • 4.5 使用POS标注的语料库开发组块器
  • 4.6 本章小结
  • 第5章 解析——分析训练数据
  • 5.1 解析
  • 5.2 构建树库
  • 5.3 从树库中提取上下文无关文法的规则
  • 5.4 从CFG中创建概率上下文无关的文法
  • 5.5 CYK图解析算法
  • 5.6 厄雷图解析算法
  • 5.7 本章小结
  • 第6章 语义分析——意义重大
  • 6.1 语义分析
  • 6.1.1 NER简介
  • 6.1.2 使用隐马尔可夫模型的NER系统
  • 6.1.3 使用机器学习工具包训练NER
  • 6.1.4 使用POS标注的NER
  • 6.2 从Wordnet中生成同义词集ID
  • 6.3 使用Wordnet消除歧义
  • 6.4 本章小结
  • 第7章 情感分析——我很高兴
  • 7.1 情感分析
  • 使用NER的情感分析
  • 7.2 使用机器学习的情感分析
  • NER系统的评价
  • 7.3 本章小结
  • 第8章 信息检索——访问信息
  • 8.1 信息检索
  • 8.1.1 停用词删除
  • 8.1.2 利用向量空间模型进行信息检索
  • 8.2 向量空间评分以及与查询操作器交互
  • 8.3 利用隐含语义索引开发IR系统
  • 8.4 文本摘要
  • 8.5 问答系统
  • 8.6 本章小结
  • 第9章 话语分析——知识就是信仰
  • 9.1 话语分析
  • 9.1.1 使用定中心理论进行话语分析
  • 9.1.2 回指解析
  • 9.2 本章小结
  • 第10章 NLP系统的评估——性能分析
  • 10.1 对NLP系统进行评估的需求
  • 10.1.1 NLP工具（POS标注器、词干还原器和形态分析器）的评估
  • 10.1.2 使用黄金数据评估解析器
  • 10.2 IR系统的评估
  • 10.3 错误识别的指标
  • 10.4 基于词汇匹配的指标
  • 10.5 基于语法匹配的指标
  • 10.6 使用浅层语义匹配的指标
  • 10.7 本章小结
  • 参考书目
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。