电子书：《python自然语言处理实战：核心技术与算法》《python自然语言处理实战：核心技术与算法》涂铭等20180501
111
内容简介：
5.2关键词提取算法tf/df算法…863.2.1正向最大匹配法53 textrank算法2.2_逆.向_最大匹配法54 lsa/lsi/lda算法3.2.3双向最大匹配法54.1 lsa/lsi算法3.3统计分词54.2lda算法3.3.1语言模型5.5实战提取文本关键词3.3.2hmm模型6本章小结3.3.3其他统计分词算法34混合分词第6章句法分析3.5中文分词工具— jieba61句法分析概述3.5.1 jieba的三种分词模式…546.2句法分析的数据集与评测方法…103.52实战之高频词提取62.1句法分析的数据集3.6本章小结6.2.2句法分析的评测方法…109第4章词性标注与命名实体识别…93句法分析的常用方法63.1基于pcfg的句法4.1.1词性标注筒介4.1.2标注规范6.3.2基于最大间隔马尔可夫41.3 jieba分词中的词性标注…61网络的句法分析42命名实体识别6.33基于crf的句法分析……142.1命名实体识别简介6.3.4基于移进一归约的句法4.2.2基于条件随机场的命名分析模型实体识别64使用 stanford parser的pcfg42.3实战一:ri期识别算法进行句法分析4.24实战名识别6.4.1 stanford parser.3总结42基于pcfg的中文句法第5章关键词提取算法分析实战51关键词提取技术概述6.5本章小结
第7章文本向量化83.7调参配置7.1文本向量化概述7.2向量化算法word2vee7.2.1神经网络语言模型第9章nlp中用到的机器学7.22c&w模型1247.23cbow模型和 skip-gram91简介模型9.11机器学习73向量化算法 doc2vec/str2vc……1279.1.2机器学习的组成部74案例:将网 页文本向量化9.2几种常用的机器学习方法7.4.2段落向量的训练9.22特征提取74.3利用 word2vec和 doc2vec9.23标注计算网 页相似度9.24搜索与排序5本章小结9.2.5推荐系统9.2.6序列学习第8章情感分析技术93分类器方法8.1情感分析的应用8.2情感分析的基本方法142bayesian82.1词法分析9.3.2逻辑回归8.22机器学习方9.3.3支持向量机1758.2.394无监督学习的文本聚类83实战电影评论情感分析9.5文本分类实战:中文垃圾邮件3.2循环神经网络9.51实现代码8.3.3长短时记忆网络9.52评价指标834载入数据9.6文本聚类实战:用 k-means对83.5.辅。助.函数豆瓣读书数据聚类8.3.6模型设置9.7本章小结
第10章基于深度学习的nlp0.12.2其他lstm变种10.1深度学习概述10.13 attention机制10.1.1神经元模型10.13.1文本翻译10.1.2激活函数0.13.2图说模型10.1.3感知机与多层网络10.13.3语音识别0.134文本摘要10.3多输出层模型20310.14seq2seq模型04反向传播算法10.15图说模型10.5最优化算法16深度学习平台0.5.1梯度下降2随机梯度下降10.16.2 manet.批量梯度下降10.6丢弃法10. 16.4 caffe10.7激活函数10.16.5 theano10.17实战seq2seq问答机器人……24810.7.2relu函数10.8本章小结10.8实现bp算法10.9词嵌入算法第11章so搜索引擎677111全文检索的原理10.9.2word2vec简介l12solr简介与部署10.9.3词向量模型1.3solr后台管理描述10.94cbow和 skip-gram11.4配置 schema115solr管理索引库51创建索引10.1朴素 vanilla-rnn11.5.2查询索引10.12lstm网络115.3删除文档0.121lstm基本结构116本章小结
ha pter第章nlp基础在本章中.你将学到与nlp(自然语言处理)相关的基础知识。本章的要点包括vnlp基础概念vnlp的发展与应用vnlp常用术语以及扩展介绍1.1什么是nlp1.1.1nlp的概念nlp( natural language processing.自然语言处理)是计算机科学领域以及人工智能领域的一个重要的研究方向.它研究用计算机来处理、理解以及运用人类语言(如中文、英文等).达到人与计算机之间进行有效通讯。所谓“自然”乃是寓意自然进化形成是为了区分一些人造语言.类似c++、java等人为设计的语言。在人类社会中.语言扮演着重要的角色.语言是人类区别于其他动物的根本标志.没有语言.人类的思维无从谈起.沟通交流更是无源之水。在一般情况下.用户可能不熟悉机器语言.所以自然语言处理技术可以帮助这样的用户使用自然语言和机器交流。从建模的角度看.为了方便计算机处理.自然语言可以被定义为一组规则或符号的集合.我们组合集合中的符号来
传递各种信息。自然语言处理研究表示语言能力、语言应用的模型.通过建立计算机框架来实现这样的语言模型.并且不断完善这样的语言模型.还需要根据该语言模型来设计各种实用的系统.并且探讨这些实用技术的评测技术。这一定义有点宽泛.但是话言本身就是人类最为复杂的概念之一。这些年.nlp研究取得了长足的进步.逐渐发展成为一门独立的学科.从自然语言的角度出发.nlp基本可以分为两个部分:自然语言处里以及自然语言生成.演化为理解和生成文本的任务.如图1-1所示。图1-1nlp的基本分类自然语言的理解是个综合的系统工程.它又包含了很多细分学科.有代表声音的音系学.代表构词法的词态学.代表语句结构的句法学.代表理解的语义句法学和语用学音系学:指代语言中发音的系统化组织v词态学:研究单词构成以及相互之间的关系v句法学:给定文本的哪部分是语法正确的v语义学:给定文本的含义是什么v语用学:文本的目的是什么?语言理解涉及语言、语境和各种语言形式的学科。而自然语言生成( naturallanguage generation.nlg)恰恰相反.从结构化数据中以读取的方式自动生成文本。该过程主要包含三个阶段:文本规划(完成结构化数据中的基础内容规划)、语句规划(从结构化数据中组合语句来表达信息流)、实现(产生语法通顺的语句来表达文本)
#############################################
