Python自然语言处理实战 核心技术与算法PDF电子书下载

第1章 NLP基础 1

1.1 什么是NLP 1

1.1.1 NLP的概念 1

1.1.2 NLP的研究任务 3

1.2 NLP的发展历程 5

1.3 NLP相关知识的构成 7

1.3.1 基本术语 7

1.3.2 知识结构 9

1.4 语料库 10

1.5 探讨NLP的几个层面 11

1.6 NLP与人工智能 13

1.7 本章小结 15

第2章 NLP前置技术解析 16

2.1 搭建Python开发环境 16

2.1.1 Python的科学计算发行版——Anaconda 17

2.1.2 Anaconda的下载与安装 19

2.2 正则表达式在NLP的基本应用 21

2.2.1 匹配字符串 22

2.2.2 使用转义符 26

2.2.3 抽取文本中的数字 26

2.3 Numpy使用详解 27

2.3.1 创建数组 28

2.3.2 获取Numpy中数组的维度 30

2.3.3 获取本地数据 31

2.3.4 正确读取数据 32

2.3.5 Numpy数组索引 32

2.3.6 切片 33

2.3.7 数组比较 33

2.3.8 替代值 34

2.3.9 数据类型转换 36

2.3.10 Numpy的统计计算方法 36

2.4 本章小结 37

第3章 中文分词技术 38

3.1 中文分词简介 38

3.2 规则分词 39

3.2.1 正向最大匹配法 39

3.2.2 逆向最大匹配法 41

3.2.3 双向最大匹配法 42

3.3 统计分词 43

3.3.1 语言模型 44

3.3.2 HMM模型 45

3.3.3 其他统计分词算法 52

3.4 混合分词 52

3.5 中文分词工具——Jieba 53

3.5.1 Jieba的三种分词模式 54

3.5.2 实战之高频词提取 55

3.6 本章小结 58

第4章 词性标注与命名实体识别 59

4.1 词性标注 59

4.1.1 词性标注简介 59

4.1.2 词性标注规范 60

4.1.3 Jieba分词中的词性标注 61

4.2 命名实体识别 63

4.2.1 命名实体识别简介 63

4.2.2 基于条件随机场的命名实体识别 65

4.2.3 实战一：日期识别 69

4.2.4 实战二：地名识别 75

4.3 总结 84

第5章 关键词提取算法 85

5.1 关键词提取技术概述 85

5.2 关键词提取算法TF/IDF算法 86

5.3 TextRank算法 88

5.4 LSA/LSI/LDA算法 91

5.4.1 LSA/LSI算法 93

5.4.2 LDA算法 94

5.5 实战提取文本关键词 95

5.6 本章小结 105

第6章 句法分析 106

6.1 句法分析概述 106

6.2 句法分析的数据集与评测方法 107

6.2.1 句法分析的数据集 108

6.2.2 句法分析的评测方法 109

6.3 句法分析的常用方法 109

6.3.1 基于PCFG的句法分析 110

6.3.2 基于最大间隔马尔可夫网络的句法分析 112

6.3.3 基于CRF的句法分析 113

6.3.4 基于移进-归约的句法分析模型 113

6.4 使用Stanford Parser的PCFG算法进行句法分析 115

6.4.1 Stanford Parser 115

6.4.2 基于PCFG的中文句法分析实战 116

6.5 本章小结 119

第7章 文本向量化 120

7.1 文本向量化概述 120

7.2 向量化算法word2vec 121

7.2.1 神经网络语言模型 122

7.2.2 C＆W模型 124

7.2.3 CBOW模型和Skip-gram模型 125

7.3 向量化算法doc2vec/str2vec 127

7.4 案例：将网页文本向量化 129

7.4.1 词向量的训练 129

7.4.2 段落向量的训练 133

7.4.3 利用word2vec和doc2vec计算网页相似度 134

7.5 本章小结 139

第8章 情感分析技术 140

8.1 情感分析的应用 141

8.2 情感分析的基本方法 142

8.2.1 词法分析 143

8.2.2 机器学习方法 144

8.2.3 混合分析 144

8.3 实战电影评论情感分析 145

8.3.1 卷积神经网络 146

8.3.2 循环神经网络 147

8.3.3 长短时记忆网络 148

8.3.4 载入数据 150

8.3.5 辅助函数 154

8.3.6 模型设置 155

8.3.7 调参配置 158

8.3.8 训练过程 159

8.4 本章小结 159

第9章 NLP中用到的机器学习算法 160

9.1 简介 160

9.1.1 机器学习训练的要素 161

9.1.2 机器学习的组成部分 162

9.2 几种常用的机器学习方法 166

9.2.1 文本分类 166

9.2.2 特征提取 168

9.2.3 标注 169

9.2.4 搜索与排序 170

9.2.5 推荐系统 170

9.2.6 序列学习 172

9.3 分类器方法 173

9.3.1 朴素贝叶斯NaiveBayesian 173

9.3.2 逻辑回归 174

9.3.3 支持向量机 175

9.4 无监督学习的文本聚类 177

9.5 文本分类实战：中文垃圾邮件分类 180

9.5.1 实现代码 180

9.5.2 评价指标 187

9.6 文本聚类实战：用K-means对豆瓣读书数据聚类 190

9.7 本章小结 194

第10章 基于深度学习的NLP算法 195

10.1 深度学习概述 195

10.1.1 神经元模型 196

10.1.2 激活函数 197

10.1.3 感知机与多层网络 198

10.2 神经网络模型 201

10.3 多输出层模型 203

10.4 反向传播算法 204

10.5 最优化算法 208

10.5.1 梯度下降 208

10.5.2 随机梯度下降 209

10.5.3 批量梯度下降 210

10.6 丢弃法 211

10.7 激活函数 211

10.7.1 tanh函数 212

10.7.2 ReLU函数 212

10.8 实现BP算法 213

10.9 词嵌入算法 216

10.9.1 词向量 217

10.9.2 word2vec简介 217

10.9.3 词向量模型 220

10.9.4 CBOW和Skip-gram模型 222

10.10 训练词向量实践 224

10.11 朴素Vanilla-RNN 227

10.12 LSTM网络 230

10.12.1 LSTM基本结构 230

10.12.2 其他LSTM变种形式 234

10.13 Attention机制 236

10.13.1 文本翻译 237

10.13.2 图说模型 237

10.13.3 语音识别 239

10.13.4 文本摘要 239

10.14 Seq2Seq模型 240

10.15 图说模型 242

10.16 深度学习平台 244

10.16.1 Tensorflow 245

10.16.2 Mxnet 246

10.16.3 PyTorch 246

10.16.4 Caffe 247

10.16.5 Theano 247

10.17 实战Seq2Seq问答机器人 248

10.18 本章小结 254

第11章 Solr搜索引擎 256

11.1 全文检索的原理 257

11.2 Solr简介与部署 258

11.3 Solr后台管理描述 263

11.4 配置schema 267

11.5 Solr管理索引库 270

11.5.1 创建索引 270

11.5.2 查询索引 276

11.5.3 删除文档 279

11.6 本章小结 281