logo
分类于: 计算机基础 云计算&大数据 人工智能

简介

Python自然语言处理: 智能系统与技术丛书

Python自然语言处理: 智能系统与技术丛书 0.0分

资源最后更新于 2020-03-29 02:36:26

作者:〔印〕雅兰·萨纳卡(Jalaj Thanaki)

译者:张金超刘舒曼

出版社:出版社机械工业出版社

出版日期:2018-08

ISBN:9787111606703

文件格式: pdf

标签: 编程语言 Python 自然语言处理 计算机与互联网 智能系统与技术丛书

简介· · · · · ·

本书旨在回答三个问题:第一个,什么是自然语言处理;第二个,为什么大多数人会使用Python来开发自然语言处理应用程序;最后一个也很重要的问题,在学习自然语言处理的时候,有哪些Python相关资源可用。读完本书,读者便会对此了然于胸。雅兰·萨纳卡(Jalaj Thanaki)是一名数据科学领域的研究者和科学家。她喜欢解决和数据科学相关的问题。她希望能够使用数据科学和人工智能技术,让这个世界变得更美好。她的研究兴趣包括自然语言处理、机器学习、深度学习和大数据分析。除了是一名数据科学家之外,Jalaj也是一位社会活动家、旅行家和大自然爱好者。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 译者序
  2. 推荐序
  3. 作者介绍
  4. 关于审校人员
  5. 前言
  6. 第1章 引言
  7. 1.1 自然语言处理
  8. 1.2 基础应用
  9. 1.3 高级应用
  10. 1.4 NLP和Python相结合的优势
  11. 1.5 nltk环境搭建
  12. 1.6 读者提示
  13. 1.7 总结
  14. 第2章 实践理解语料库和数据集
  15. 2.1 语料库
  16. 2.2 语料库的作用
  17. 2.3 语料分析
  18. 2.4 数据属性的类型
  19. 2.5 不同文件格式的语料
  20. 2.6 免费语料库资源
  21. 2.7 为NLP应用准备数据集
  22. 2.8 网页爬取
  23. 2.9 总结
  24. 第3章 理解句子的结构
  25. 3.1 理解NLP的组成
  26. 3.2 上下文无关文法
  27. 3.3 形态分析
  28. 3.4 词法分析
  29. 3.5 句法分析
  30. 3.6 语义分析
  31. 3.7 消歧
  32. 3.8 篇章整合
  33. 3.9 语用分析
  34. 3.10 总结
  35. 第4章 预处理
  36. 4.1 处理原始语料库文本
  37. 4.2 处理原始语料库句子
  38. 4.3 基础预处理
  39. 4.4 实践和个性化预处理
  40. 4.5 总结
  41. 第5章 特征工程和NLP算法
  42. 5.1 理解特征工程
  43. 5.2 NLP中的基础特征
  44. 5.3 NLP中的基础统计特征
  45. 5.4 特征工程的优点
  46. 5.5 特征工程面临的挑战
  47. 5.6 总结
  48. 第6章 高级特征工程和NLP算法
  49. 6.1 词嵌入
  50. 6.2 word2vec基础
  51. 6.3 word2vec模型从黑盒到白盒
  52. 6.4 基于表示的分布相似度
  53. 6.5 word2vec模型的组成部分
  54. 6.6 word2vec模型的逻辑
  55. 6.7 word2vec模型背后的算法和数学理论
  56. 6.8 神经网络算法
  57. 6.9 生成最终词向量和概率预测结果的技术
  58. 6.10 word2vec相关的一些事情
  59. 6.11 word2vec的应用
  60. 6.12 word2vec概念的扩展
  61. 6.13 深度学习中向量化的重要性
  62. 6.14 总结
  63. 第7章 规则式自然语言处理系统
  64. 7.1 规则式系统
  65. 7.2 规则式系统的目的
  66. 7.3 规则式系统的架构
  67. 7.4 规则式系统的开发周期
  68. 7.5 规则式系统的应用
  69. 7.6 使用规则式系统来开发NLP应用
  70. 7.7 规则式系统与其他方法的对比
  71. 7.8 规则式系统的优点
  72. 7.9 规则式系统的缺点
  73. 7.10 规则式系统面临的挑战
  74. 7.11 词义消歧的基础
  75. 7.12 规则式系统近期发展的趋势
  76. 7.13 总结
  77. 第8章 自然语言处理中的机器学习方法
  78. 8.1 机器学习的基本概念
  79. 8.2 自然语言处理应用的开发步骤
  80. 8.3 机器学习算法和其他概念
  81. 8.4 自然语言处理中的混合方法
  82. 8.5 总结
  83. 第9章 NLU和NLG问题中的深度学习
  84. 9.1 人工智能概览
  85. 9.2 NLU和NLG之间的区别
  86. 9.3 深度学习概览
  87. 9.4 神经网络基础
  88. 9.5 实现神经网络
  89. 9.6 深度学习和深度神经网络
  90. 9.7 深度学习技术和NLU
  91. 9.8 深度学习技术和NLG
  92. 9.9 基于梯度下降的优化
  93. 9.10 人工智能与人类智能
  94. 9.11 总结
  95. 第10章 高级工具
  96. 10.1 使用Apache Hadoop作为存储框架
  97. 10.2 使用Apache Spark作为数据处理框架
  98. 10.3 使用Apache Flink作为数据实时处理框架
  99. 10.4 Python中的可视化类库
  100. 10.5 总结
  101. 第11章 如何提高你的NLP技能
  102. 11.1 开始新的NLP职业生涯
  103. 11.2 备忘列表
  104. 11.3 确定你的领域
  105. 11.4 通过敏捷的工作来实现成功
  106. 11.5 NLP和数据科学方面一些有用的博客
  107. 11.6 使用公开的数据集
  108. 11.7 数据科学领域需要的数学知识
  109. 11.8 总结
  110. 第12章 安装指导
  111. 12.1 安装Python、pip和NLTK
  112. 12.2 安装PyCharm开发环境
  113. 12.3 安装依赖库
  114. 12.4 框架安装指导
  115. 12.5 解决你的疑问
  116. 12.6 总结