自然语言处理技术入门与实战PDF电子书下载

第1篇 语义模型详解 3

第1章 关键词抽取模型 3

1.1 TF-IDF算法实现关键词抽取 4

1.2 TextRank算法实现关键词抽取 11

1.3 基于语义的统计语言模型实现关键词抽取 16

第2章 短语抽取模型 22

2.1 基于互信息和左右信息熵实现短语抽取 23

2.2 TextRank算法实现短语抽取 28

2.3 LDA算法实现短语抽取 31

第3章 自动摘要抽取模型 38

3.1 决策树算法实现自动摘要 39

3.2 基于逻辑回归算法实现自动摘要 44

3.3 贝叶斯算法实现自动摘要 50

第4章 深度学习——计算任意词距离模型 55

4.1 FP-Growth算法实现词距离计算 56

4.2 N-Gram算法实现词距离计算 61

4.3 BP算法实现词距离计算 65

第5章 拼音汉字混合识别模型 70

5.1 贝叶斯模型实现拼音汉字混合识别 71

5.2 HMM模型实现拼音汉字混合识别 75

5.3 RNN神经网络模型实现拼音汉字混合识别 80

第6章 文本自动生成模型 87

6.1 基于关键词的文本自动生成模型 88

6.2 RNN模型实现文本自动生成 93

第2篇 自然语言处理系统基础算法 101

第7章 Dijkstra算法 101

7.1 算法应用原理介绍 102

7.2 算法数学原理介绍 102

7.3 算法源码说明 106

7.4 算法应用扩展 107

第8章 AC-DoubleArrayTrie算法 108

8.1 算法应用原理介绍 109

8.2 算法数学原理介绍 111

8.3 算法应用扩展 116

第9章 最大熵算法 117

9.1 算法应用原理介绍 118

9.2 算法数学原理介绍 119

9.3 算法源码说明 124

9.4 算法应用扩展 125

第10章 CRF算法 126

10.1 算法应用原理介绍 127

10.2 算法数学原理介绍 130

10.3 算法源码说明 135

10.4 算法应用扩展 136

第11章 马尔可夫逻辑网算法 137

11.1 算法应用原理介绍 138

11.2 算法数学原理介绍 142

11.3 算法源码说明 144

11.4 算法应用扩展 145

第12章 DIPRE算法 147

12.1 算法应用原理介绍 148

12.2 算法数学原理介绍 151

12.3 算法源码说明 152

12.4 算法应用扩展 153

第13章 LSTM算法 155

13.1 算法应用原理介绍 156

13.2 算法数学原理介绍 158

13.3 算法源码说明 163

13.4 算法应用扩展 165

第14章 TransE算法 166

14.1 算法应用原理介绍 167

14.2 算法数学原理介绍 170

14.3 算法源码说明 172

14.4 算法应用扩展 174

第3篇 系统案例实战 177

第15章 搭建舆情分析与挖掘的系统 177

15.1 系统功能设计简述 178

15.2 系统模块实现详解 181

15.3 系统实现源码说明 186