Python自然语言处理 - 雅兰·萨纳卡 - 微信读书

微信读书书城Python自然语言处理

首页我的书架登录

本书已下架

内容不再支持阅读

书籍封面

Python自然语言处理

雅兰·萨纳卡

扉页
版权信息
+书签
译者序
推荐序
作者介绍
关于审校人员
前言
第1章引言
1.1 自然语言处理
1.2 基础应用
1.3 高级应用
1.4 NLP和Python相结合的优势
1.5 nltk环境搭建
1.6 读者提示
1.7 总结
第2章实践理解语料库和数据集
2.1 语料库
2.2 语料库的作用
2.3 语料分析
2.4 数据属性的类型
2.5 不同文件格式的语料
2.6 免费语料库资源
2.7 为NLP应用准备数据集
2.8 网页爬取
2.9 总结
第3章理解句子的结构
3.1 理解NLP的组成
3.2 上下文无关文法
3.3 形态分析
3.4 词法分析
3.5 句法分析
3.6 语义分析
3.7 消歧
3.8 篇章整合
3.9 语用分析
3.10 总结
第4章预处理
4.1 处理原始语料库文本
4.2 处理原始语料库句子
4.3 基础预处理
4.4 实践和个性化预处理
4.5 总结
第5章特征工程和NLP算法
5.1 理解特征工程
5.2 NLP中的基础特征
5.3 NLP中的基础统计特征
5.4 特征工程的优点
5.5 特征工程面临的挑战
5.6 总结
第6章高级特征工程和NLP算法
6.1 词嵌入
6.2 word2vec基础
6.3 word2vec模型从黑盒到白盒
6.4 基于表示的分布相似度
6.5 word2vec模型的组成部分
6.6 word2vec模型的逻辑
6.7 word2vec模型背后的算法和数学理论
6.8 神经网络算法
6.9 生成最终词向量和概率预测结果的技术
6.10 word2vec相关的一些事情
6.11 word2vec的应用
6.12 word2vec概念的扩展
6.13 深度学习中向量化的重要性
6.14 总结
第7章规则式自然语言处理系统
7.1 规则式系统
7.2 规则式系统的目的
7.3 规则式系统的架构
7.4 规则式系统的开发周期
7.5 规则式系统的应用
7.6 使用规则式系统来开发NLP应用
7.7 规则式系统与其他方法的对比
7.8 规则式系统的优点
7.9 规则式系统的缺点
7.10 规则式系统面临的挑战
7.11 词义消歧的基础
7.12 规则式系统近期发展的趋势
7.13 总结
第8章自然语言处理中的机器学习方法
8.1 机器学习的基本概念
8.2 自然语言处理应用的开发步骤
8.3 机器学习算法和其他概念
8.4 自然语言处理中的混合方法
8.5 总结
第9章 NLU和NLG问题中的深度学习
9.1 人工智能概览
9.2 NLU和NLG之间的区别
9.3 深度学习概览
9.4 神经网络基础
9.5 实现神经网络
9.6 深度学习和深度神经网络
9.7 深度学习技术和NLU
9.8 深度学习技术和NLG
9.9 基于梯度下降的优化
9.10 人工智能与人类智能
9.11 总结
第10章高级工具
10.1 使用Apache Hadoop作为存储框架
10.2 使用Apache Spark作为数据处理框架
10.3 使用Apache Flink作为数据实时处理框架
10.4 Python中的可视化类库
10.5 总结
第11章如何提高你的NLP技能
11.1 开始新的NLP职业生涯
11.2 备忘列表
11.3 确定你的领域
11.4 通过敏捷的工作来实现成功
11.5 NLP和数据科学方面一些有用的博客
11.6 使用公开的数据集
11.7 数据科学领域需要的数学知识
11.8 总结
第12章安装指导
12.1 安装Python、pip和NLTK
12.2 安装PyCharm开发环境
12.3 安装依赖库
12.4 框架安装指导
12.5 解决你的疑问
12.6 总结