多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《Python自然语言处理实战：核心技术与算法》_涂铭等_2018-05-01_1
《Python自然语言处理实战：核心技术与算法》_涂铭等_2018-05-01_2
《Python自然语言处理实战：核心技术与算法》_涂铭等_2018-05-01_3
内容简介：
5.2关键词提取算法TF/DF算法…86
3.2.1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— Jieba
61句法分析概述
3.5.1 Jieba的三种分词模式…54
6.2句法分析的数据集与评测方法…10
3.52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…9
3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MA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……1
42.1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PCFG
42.3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word2vee
7.2.1神经网络语言模型
第9章NLP中用到的机器学
7.22C&W模型
124
7.23CBOW模型和 Skip-gram
91简介
模型
9.11机器学习
73向量化算法 doc2vec/str2vc……127
9.1.2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 doc2vec
9.23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
142
Bayesian
82.1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
175
8.2.3
94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NLP
0.12.2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 Caffe
10.7激活函数
10.16.5 Theano
10.17实战Seq2Seq问答机器人……248
10.7.2ReLU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
677
111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-gram
11.4配置 schema
115solr管理索引库
51创建索引
10.1朴素 Vanilla-RNN
11.5.2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NLP
1.1.1NLP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( Natural
Language 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)
#############################################
|
|
