店铺： 义博图书专营店
出版社： 人民邮电出版社
ISBN：9787115459688
商品编码：14395375093
具体描述
精通Python自然語言處理+NLP漢語自然語言處理原理與實踐 2本 語法語義分析
python語言開發設計編程教程書籍YL8642 9787115459688 9787121307652
精通Python自然語言處理
內容簡介
自然語言處理是計算語言學和人工智能之中與人機交互相關的領域之一。
本書是學習自然語言處理的一本綜閤學習指南，介紹瞭如何用Python實現各種NLP任務，以幫助讀者創建基於真實生活應用的項目。全書共10章，分彆涉及字符串操作、統計語言建模、形態學、詞性標注、語法解析、語義分析、情感分析、信息檢索、語篇分析和NLP係統評估等主題。
本書適閤熟悉Python語言並對自然語言處理開發有一定瞭解和興趣的讀者閱讀參考。
目 錄
- 第2章 統計語言建模
- 第3章 形態學：在實踐中學習
- 第4章 詞性標注：單詞識彆
- 第5章 語法解析：分析訓練資料
- 第6章 語義分析：意義很重要
- 第7章 情感分析：我很快樂
- 第8章 信息檢索：訪問信息
- 第9章 語篇分析：理解纔是可信的
- 第10章 NLP係統評估：性能分析.........
NLP漢語自然語言處理原理與實踐
內容簡介
本書是一本研究漢語自然語言處理方麵的基礎性、綜閤性書籍，涉及NLP的語言理論、算法和工程實踐的方方麵麵，內容繁雜。 本書包括NLP的語言理論部分、算法部分、案例部分，涉及漢語的發展曆史、傳統的句法理論、認知語言學理論。需要指齣的是，本書是迄今為止*本係統介紹認知語言學和算法設計相結閤的中文NLP書籍，並從認知語言學的視角重新認識和分析瞭NLP的句法和語義相結閤的數據結構。這也是本書的創新之處。 本書適用於所有想學習NLP的技術人員，包括各大人工智能實驗室、軟件學院等專業機構。
目 錄
第1章 中文語言的機器處理11.1 曆史迴顧2
1.1.1 從科幻到現實2
1.1.2 早期的探索3
1.1.3 規則派還是統計派3
1.1.4 從機器學習到認知
計算5
1.2 現代自然語言係統簡介6
1.2.1 NLP流程與開源框架6
1.2.2 哈工大NLP平颱及其
演示環境9
1.2.3 Stanford NLP團隊及其
演示環境11
1.2.4 NLTK開發環境13
1.3 整閤中文分詞模塊16
1.3.1 安裝Ltp Python組件17
1.3.2 使用Ltp 3.3進行中文
分詞18
1.3.3 使用結巴分詞模塊20
1.4 整閤詞性標注模塊22
1.4.1 Ltp 3.3詞性標注23
1.4.2 安裝StanfordNLP並
編寫Python接口類24
1.4.3 執行Stanford詞性
標注28
1.5 整閤命名實體識彆模塊29
1.5.1 Ltp 3.3命名實體識彆29
1.5.2 Stanford命名實體
識彆30
1.6 整閤句法解析模塊32
1.6.1 Ltp 3.3句法依存樹33
1.6.2 Stanford Parser類35
1.6.3 Stanford短語結構樹36
1.6.4 Stanford依存句法樹37
1.7 整閤語義角色標注模塊38
1.8 結語40
第2章 漢語語言學研究迴顧42
2.1 文字符號的起源42
2.1.1 從記事談起43
2.1.2 古文字的形成47
2.2 六書及其他48
2.2.1 象形48
2.2.2 指事50
2.2.3 會意51
2.2.4 形聲53
2.2.5 轉注54
2.2.6 假藉55
2.3 字形的流變56
2.3.1 筆與墨的形成與變革56
2.3.2 隸變的方式58
2.3.3 漢字的符號化與結構61
2.4 漢語的發展67
2.4.1 完整語義的基本
形式——句子68
2.4.2 語言的初始形態與
文言文71
2.4.3 白話文與復音詞73
2.4.4 白話文與句法研究78
2.5 三個平麵中的語義研究80
2.5.1 詞匯與本體論81
2.5.2 格語法及其框架84
2.6 結語86
第3章 詞匯與分詞技術88
3.1 中文分詞89
3.1.1 什麼是詞與分詞規範90
3.1.2 兩種分詞標準93
3.1.3 歧義、機械分詞、語言
模型94
3.1.4 詞匯的構成與未登錄
詞97
3.2 係統總體流程與詞典結構98
3.2.1 概述98
3.2.2 中文分詞流程99
3.2.3 分詞詞典結構103
3.2.4 命名實體的詞典
結構105
3.2.5 詞典的存儲結構108
3.3 算法部分源碼解析111
3.3.1 係統配置112
3.3.2 Main方法與例句113
3.3.3 句子切分113
3.3.4 分詞流程117
3.3.5 一元詞網118
3.3.6 二元詞圖125
3.3.7 NShort算法原理130
3.3.8 後處理規則集136
3.3.9 命名實體識彆137
3.3.10 細分階段與短
路徑140
3.4 結語142
第4章 NLP中的概率圖模型143
4.1 概率論迴顧143
4.1.1 多元概率論的幾個
基本概念144
4.1.2 貝葉斯與樸素貝葉斯
算法146
4.1.3 文本分類148
4.1.4 文本分類的實現151
4.2 信息熵154
4.2.1 信息量與信息熵154
4.2.2 互信息、聯閤熵、
條件熵156
4.2.3 交叉熵和KL散度158
4.2.4 信息熵的NLP的
意義159
4.3 NLP與概率圖模型160
4.3.1 概率圖模型的幾個
基本問題161
4.3.2 産生式模型和判彆式
模型162
4.3.3 統計語言模型與NLP
算法設計164
4.3.4 極大似然估計167
4.4 隱馬爾科夫模型簡介169
4.4.1 馬爾科夫鏈169
4.4.2 隱馬爾科夫模型170
4.4.3 HMMs的一個實例171
4.4.4 Viterbi算法的實現176
4.5 大熵模型179
4.5.1 從詞性標注談起179
4.5.2 特徵和約束181
4.5.3 大熵原理183
4.5.4 公式推導185
4.5.5 對偶問題的極大似然
估計186
4.5.6 GIS實現188
4.6 條件隨機場模型193
4.6.1 隨機場193
4.6.2 無嚮圖的團（Clique）
與因子分解194
4.6.3 綫性鏈條件隨機場195
4.6.4 CRF的概率計算198
4.6.5 CRF的參數學習199
4.6.6 CRF預測標簽200
4.7 結語201
第5章 詞性、語塊與命名實體
識彆202
5.1 漢語詞性標注203
5.1.1 漢語的詞性203
5.1.2 賓州樹庫的詞性標注
規範205
5.1.3 stanfordNLP標注
詞性210
5.1.4 訓練模型文件213
5.2 語義組塊標注219
5.2.1 語義組塊的種類220
5.2.2 細說NP221
5.2.3 細說VP223
5.2.4 其他語義塊227
5.2.5 語義塊的抽取229
5.2.6 CRF的使用232
5.3 命名實體識彆240
5.3.1 命名實體241
5.3.2 分詞架構與專名
詞典243
5.3.3 算法的策略——詞典
與統計相結閤245
5.3.4 算法的策略——層疊
式架構252
5.4 結語259
第6章 句法理論與自動分析260
6.1 轉換生成語法261
6.1.1 喬姆斯基的語言觀261
6.1.2 短語結構文法263
6.1.3 漢語句類269
6.1.4 謂詞論元與空範疇274
6.1.5 輕動詞分析理論279
6.1.6 NLTK操作句法樹280
6.2 依存句法理論283
6.2.1 配價理論283
6.2.2 配價詞典285
6.2.3 依存理論概述287
6.2.4 Ltp依存分析介紹290
6.2.5 Stanford依存轉換、
解析293
6.3 PCFG短語結構句法分析298
6.3.1 PCFG短語結構298
6.3.2 內嚮算法和外嚮
算法301
6.3.3 Viterbi算法303
6.3.4 參數估計304
6.3.5 Stanford 的PCFG算法
訓練305
6.4 結語310
第7章 建設語言資源庫311
7.1 語料庫概述311
7.1.1 語料庫的簡史312
7.1.2 語言資源庫的分類314
7.1.3 語料庫的設計實例：
國傢語委語料庫315
7.1.4 語料庫的層次加工321
7.2 語法語料庫323
7.2.1 中文分詞語料庫323
7.2.2 中文分詞的測評326
7.2.3 賓州大學CTB簡介327
7.3 語義知識庫333
7.3.1 知識庫與HowNet
簡介333
7.3.2 發掘義原334
7.3.3 語義角色336
7.3.4 分類原則與事件
分類344
7.3.5 實體分類347
7.3.6 屬性與分類352
7.3.7 相似度計算與實例353
7.4 語義網與百科知識庫360
7.4.1 語義網理論介紹360
7.4.2 維基百科知識庫364
7.4.3 DBpedia抽取原理365
7.5 結語368
第8章 語義與認知370
8.1 迴顧現代語義學371
8.1.1 語義三角論371
8.1.2 語義場論373
8.1.3 基於邏輯的語義學376
8.2 認知語言學概述377
8.2.1 象似性原理379
8.2.2 順序象似性380
8.2.3 距離象似性380
8.2.4 重疊象似性381
8.3 意象圖式的構成383
8.3.1 主觀性與焦點383
8.3.2 範疇化：概念的
認知385
8.3.3 主體與背景390
8.3.4 意象圖式392
8.3.5 社交中的圖式396
8.3.6 完形：壓縮與省略398
8.4 隱喻與轉喻401
8.4.1 隱喻的結構402
8.4.2 隱喻的認知本質403
8.4.3 隱喻計算的係統
架構405
8.4.4 隱喻計算的實現408
8.5 構式語法412
8.5.1 構式的概念413
8.5.2 句法與構式415
8.5.3 構式知識庫417
8.6 結語420
第9章 NLP中的深度學習422
9.1 神經網絡迴顧422
9.1.1 神經網絡框架423
9.1.2 梯度下降法推導425
9.1.3 梯度下降法的實現427
9.1.4 BP神經網絡介紹和
推導430
9.2 Word2Vec簡介433
9.2.1 詞嚮量及其錶達434
9.2.2 Word2Vec的算法
原理436
9.2.3 訓練詞嚮量439
9.2.4 大規模上下位關係的
自動識彆443
9.3 NLP與RNN 448
9.3.1 Simple-RNN449
9.3.2 LSTM原理454
9.3.3 LSTM的Python
實現460............
用户评价
评分
评分
评分
评分
评分
评分
评分
评分
评分
相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有