【内容】
基本信息
商品名称： 自然语言处理技术与应用/人工智能技术与应用丛书
出版社： 人民邮电出版社
出版时间：2023-12-01
作者：编者:许桂秋//柳贵东//朵云峰|责编:张晓芬
译者：
开本： 16开
定价： 69.80
页数：200
印次： 1
ISBN号：9787115612632
商品类型：图书
版次： 1 内容提要
本书基于Python编程语
言，以实战为导向，主要介
绍中文自然语言处理的各种
理论、方法及应用案例，帮
助读者快速熟悉理论知识，
理解相关技术原理，为读者
选择自然语言处理相关的研
究方向或从业领域提供参考
。全书共分为三个部分：第
一部分（第1～3章）是“基
础篇”，侧重介绍自然语言
处理的基础知识，并在相应
的知识板块中设置实验案例
；第二部分（第4～12章）
是“技术篇”，主要讲解自然
语言处理核心技术的原理及
实现方法，以及文本分类、
特征提取、RNN等技术在自
然语言处理中的应用；第三
部分（第13章）是“应用篇”
，主要介绍自然语言处理比
较典型的应用场景。
本书适合作为人工智能
相关课程的教材，也可作为
人工智能的普及读物供广大
读者自学或参考。
商品名称： 自然语言处理技术与应用/人工智能技术与应用丛书
出版社： 人民邮电出版社
出版时间：2023-12-01
作者：编者:许桂秋//柳贵东//朵云峰|责编:张晓芬
译者：
开本： 16开
定价： 69.80
页数：200
印次： 1
ISBN号：9787115612632
商品类型：图书
版次： 1 内容提要
本书基于Python编程语
言，以实战为导向，主要介
绍中文自然语言处理的各种
理论、方法及应用案例，帮
助读者快速熟悉理论知识，
理解相关技术原理，为读者
选择自然语言处理相关的研
究方向或从业领域提供参考
。全书共分为三个部分：第
一部分（第1～3章）是“基
础篇”，侧重介绍自然语言
处理的基础知识，并在相应
的知识板块中设置实验案例
；第二部分（第4～12章）
是“技术篇”，主要讲解自然
语言处理核心技术的原理及
实现方法，以及文本分类、
特征提取、RNN等技术在自
然语言处理中的应用；第三
部分（第13章）是“应用篇”
，主要介绍自然语言处理比
较典型的应用场景。
本书适合作为人工智能
相关课程的教材，也可作为
人工智能的普及读物供广大
读者自学或参考。
【目录】
目录
第1章 自然语言处理初探
1.1 什么是自然语言处理
1.1.1 自然语言处理的概念
1.1.2 自然语言处理的研究任务
1.2 自然语言处理的发展历程
1.3 自然语言处理相关知识的构成
1.3.1 基础术语
1.3.2 知识结构
1.4 探讨自然语言处理的层面
1.5 自然语言处理与人工智能
1.5.1 智慧医疗
1.5.3 智慧金融
1.6 本章小结
第2章 使用Python进行自然语言基础处理
2.1 正则表达式在自然语言处理中的基本应用
2.1.1 匹配字符串
2.1.2 使用转义符
2.1.3 抽取文本中的数字
2.2 NumPy使用详解
2.2.1 创建数组
2.2.2 获取NumPy中数组的维度
2.2.3 获取本地数据
2.2.4 正确读取数据
2.2.5 数组索引
2.2.6 数组切片
2.2.7 数组比较
2.2.8 替代值
2.2.9 数据类型转换
2.2.10 NumPy的统计计算方法
2.3 本章小结
第3章 使用NLTK获取和构建语料库
3.1 语料库基础
3.2 NLTK
3.2.1 NLTK简介
3.2.2 安装NLTK
3.2.3 使用NLTK
3.2.4 在PythonNLTK下使用StanfordNLP
3.3 获取语料库
3.3.1 通过语料库网站获取语料库
3.3.2 通过编写程序获取语料库
3.3.3 通过NLTK获取语料库
3.4 综合案例：走进《红楼梦》
3.4.1 数据采集和预处理
3.4.2 构建本地语料库
3.4.3 语料操作
3.5 本章小结
第4章 jieba中文分词
4.1 中文分词简介
4.2 规则分词
4.2.1 正向Z大匹配法
4.2.2 逆向Z大匹配法
4.2.3 双向Z大匹配法
4.3 统计分词
4.3.1 统计语言模型
4.3.2 HMM
4.3.3 其他统计分词算法
4.4 混合分词
4.5 Jieba高频词提取
4.5.1 jieba的3种分词模式
4.5.2 实战之高频词提取
4.6 本章小结
第5章 jieba词性标注
5.1 词性标注简介
5.2 词性标注规范
5.3 jieba分词中的词性标注
5.4 本章小结
第6章 命名实体识别之日期识别和地名识别
6.1 命名实体识别简介
6.2 基于CRF的命名实体识别
6.3 命名实体识别之日期识别
6.4 命名实体识别之地名识别
6.4.1 安装CRF++
6.4.2 确定标签体系
6.4.3 语料数据处理
6.4.4 特征模板设计
6.4.5 模型训练和测试
6.4.6 模型使用
6.5 本章小结
第7章 提取文本关键词
7.1 关键词提取算法
7.2 TF-IDF算法
7.3 TextRank算法
7.4 LSALSILDA算法
7.4.1 LSALSI算法
7.4.2 LDA算法
7.5 提取文本关键词
7.6 本章小结
第8章 词向量算法
8.1 word2vec词向量算法
8.1.1 神经网络语言模型
8.1.2 C&W模型
8.1.3 CBOW模型和Skip-gram模型
8.2 doc2vecstr2vec文本向量化算法
8.3 将网页文本向量化
8.3.1 词向量的训练
8.3.2 段落向量的训练
8.3.3 利用word2vec词向量算法和doc2vec文本向量化算法计算网页相似度
8.4 本章小结
第9章 句法分析
9.1 句法分析概述
9.1.1 句法分析的基本概念
9.1.2 句法分析的基本方法
9.2 句法分析的数据集与评测方法
9.2.1 句法分析的数据集
9.2.2 句法分析的评测方法
9.3 句法分析的常用方法
9.3.1 基于PCFG的句法分析
9.3.2 基于Z大间隔马尔可夫网络的句法分析
9.3.3 基于CRF的句法分析
9.3.4 基于移进-归约的句法分析
9.4 使用StandfordParser的PCFG进行句法分析
9.4.1 StanfordParser
9.4.2 基于PCFG的中文句法分析实战
9.5 本章小结
第10章 情感分析
10.1 情感分析的应用
10.2 情感分析的基本方法
10.2.1 词法分析
10.2.2 机器学习
10.2.3 混合分析
10.3 电影评论情感分析
10.3.1 模型选择
10.3.2 载入数据
10.3.3 辅助函数
10.3.4 模型设置
10.3.5 调参配置
10.3.6 训练过程
10.4 本章小结
第11章 机器学习在自然语言处理的应用
11.1 几种常用的机器学习方法
11.1.1 文本分类
11.1.2 特征提取
11.1.3 标注
11.1.4 搜索与排序
11.1.5 推荐系统
11.1.6 序列学习
11.2 无监督学习的文本聚类
11.3 文本分类实战-中文垃圾邮件分类
11.4 文本聚类实战——用K均值聚类对豆瓣读书数据聚类
11.5 本章小结
第12章 深度学习在自然语言中的应用
12.1 RNN简介
12.1.1 简单RNN
12.1.2 LSTM
12.1.3 Attention机制
12.2 Seq2Seq问答机器人
12.2.1 Seq2Seq模型
12.2.2 实战Seq2Seq聊天机器人
12.3 本章小结
第13章 自然语言处理典型的应用场景
13.1 机器翻译与写作
13.1.1 机器翻译
13.1.2 机器写作
13.2 智能问答与对话
13.2.1 智能问答
13.2.2 智能对话系统
13.2.3 问答系统的主要组成
13.2.4 不同类型的问答系统
13.2.5 前景与挑战
13.3 个性化推荐
13.3.1 推荐系统的概念
13.3.2 个性化推荐的基本问题
13.3.3 推荐的可解释性
13.3.4 前景与挑战
13.4 本章小结
第1章 自然语言处理初探
1.1 什么是自然语言处理
1.1.1 自然语言处理的概念
1.1.2 自然语言处理的研究任务
1.2 自然语言处理的发展历程
1.3 自然语言处理相关知识的构成
1.3.1 基础术语
1.3.2 知识结构
1.4 探讨自然语言处理的层面
1.5 自然语言处理与人工智能
1.5.1 智慧医疗
1.5.3 智慧金融
1.6 本章小结
第2章 使用Python进行自然语言基础处理
2.1 正则表达式在自然语言处理中的基本应用
2.1.1 匹配字符串
2.1.2 使用转义符
2.1.3 抽取文本中的数字
2.2 NumPy使用详解
2.2.1 创建数组
2.2.2 获取NumPy中数组的维度
2.2.3 获取本地数据
2.2.4 正确读取数据
2.2.5 数组索引
2.2.6 数组切片
2.2.7 数组比较
2.2.8 替代值
2.2.9 数据类型转换
2.2.10 NumPy的统计计算方法
2.3 本章小结
第3章 使用NLTK获取和构建语料库
3.1 语料库基础
3.2 NLTK
3.2.1 NLTK简介
3.2.2 安装NLTK
3.2.3 使用NLTK
3.2.4 在PythonNLTK下使用StanfordNLP
3.3 获取语料库
3.3.1 通过语料库网站获取语料库
3.3.2 通过编写程序获取语料库
3.3.3 通过NLTK获取语料库
3.4 综合案例：走进《红楼梦》
3.4.1 数据采集和预处理
3.4.2 构建本地语料库
3.4.3 语料操作
3.5 本章小结
第4章 jieba中文分词
4.1 中文分词简介
4.2 规则分词
4.2.1 正向Z大匹配法
4.2.2 逆向Z大匹配法
4.2.3 双向Z大匹配法
4.3 统计分词
4.3.1 统计语言模型
4.3.2 HMM
4.3.3 其他统计分词算法
4.4 混合分词
4.5 Jieba高频词提取
4.5.1 jieba的3种分词模式
4.5.2 实战之高频词提取
4.6 本章小结
第5章 jieba词性标注
5.1 词性标注简介
5.2 词性标注规范
5.3 jieba分词中的词性标注
5.4 本章小结
第6章 命名实体识别之日期识别和地名识别
6.1 命名实体识别简介
6.2 基于CRF的命名实体识别
6.3 命名实体识别之日期识别
6.4 命名实体识别之地名识别
6.4.1 安装CRF++
6.4.2 确定标签体系
6.4.3 语料数据处理
6.4.4 特征模板设计
6.4.5 模型训练和测试
6.4.6 模型使用
6.5 本章小结
第7章 提取文本关键词
7.1 关键词提取算法
7.2 TF-IDF算法
7.3 TextRank算法
7.4 LSALSILDA算法
7.4.1 LSALSI算法
7.4.2 LDA算法
7.5 提取文本关键词
7.6 本章小结
第8章 词向量算法
8.1 word2vec词向量算法
8.1.1 神经网络语言模型
8.1.2 C&W模型
8.1.3 CBOW模型和Skip-gram模型
8.2 doc2vecstr2vec文本向量化算法
8.3 将网页文本向量化
8.3.1 词向量的训练
8.3.2 段落向量的训练
8.3.3 利用word2vec词向量算法和doc2vec文本向量化算法计算网页相似度
8.4 本章小结
第9章 句法分析
9.1 句法分析概述
9.1.1 句法分析的基本概念
9.1.2 句法分析的基本方法
9.2 句法分析的数据集与评测方法
9.2.1 句法分析的数据集
9.2.2 句法分析的评测方法
9.3 句法分析的常用方法
9.3.1 基于PCFG的句法分析
9.3.2 基于Z大间隔马尔可夫网络的句法分析
9.3.3 基于CRF的句法分析
9.3.4 基于移进-归约的句法分析
9.4 使用StandfordParser的PCFG进行句法分析
9.4.1 StanfordParser
9.4.2 基于PCFG的中文句法分析实战
9.5 本章小结
第10章 情感分析
10.1 情感分析的应用
10.2 情感分析的基本方法
10.2.1 词法分析
10.2.2 机器学习
10.2.3 混合分析
10.3 电影评论情感分析
10.3.1 模型选择
10.3.2 载入数据
10.3.3 辅助函数
10.3.4 模型设置
10.3.5 调参配置
10.3.6 训练过程
10.4 本章小结
第11章 机器学习在自然语言处理的应用
11.1 几种常用的机器学习方法
11.1.1 文本分类
11.1.2 特征提取
11.1.3 标注
11.1.4 搜索与排序
11.1.5 推荐系统
11.1.6 序列学习
11.2 无监督学习的文本聚类
11.3 文本分类实战-中文垃圾邮件分类
11.4 文本聚类实战——用K均值聚类对豆瓣读书数据聚类
11.5 本章小结
第12章 深度学习在自然语言中的应用
12.1 RNN简介
12.1.1 简单RNN
12.1.2 LSTM
12.1.3 Attention机制
12.2 Seq2Seq问答机器人
12.2.1 Seq2Seq模型
12.2.2 实战Seq2Seq聊天机器人
12.3 本章小结
第13章 自然语言处理典型的应用场景
13.1 机器翻译与写作
13.1.1 机器翻译
13.1.2 机器写作
13.2 智能问答与对话
13.2.1 智能问答
13.2.2 智能对话系统
13.2.3 问答系统的主要组成
13.2.4 不同类型的问答系统
13.2.5 前景与挑战
13.3 个性化推荐
13.3.1 推荐系统的概念
13.3.2 个性化推荐的基本问题
13.3.3 推荐的可解释性
13.3.4 前景与挑战
13.4 本章小结
