Python自然语言处理实战：核心技术与算法

目录 封面 序一 序二 前言 第1章 NLP基础 1.1 什么是NLP 1.2 NLP的发展历程 1.3 NLP相关知识的构成 1.4 语料库 1.5 探讨NLP的几个层面 1.6 NLP与人工智能 1.7 本章小结 第2章 NLP前置技术解析 2.1 搭建Python开发环境 2.2 正则表达式在NLP的基本应用 2.3 Numpy使用详解 2.4 本章小结 第3章 中文分词技术 3.1 中文分词简介 3.2 规则分词 3.3 统计分词 3.4 混合分词 3.5 中文分词工具——Jieba 3.6 本章小结 第4章 词性标注与命名实体识别 4.1 词性标注 4.2 命名实体识别 4.3 总结 第5章 关键词提取算法 5.1 关键词提取技术概述 5.2 关键词提取算法TF/IDF算法 5.3 TextRank算法 5.4 LSA/LSI/LDA算法 5.5 实战提取文本关键词 5.6 本章小结 第6章 句法分析 6.1 句法分析概述 6.2 句法分析的数据集与评测方法 6.3 句法分析的常用方法 6.4 使用Stanford Parser的PCFG算法进行句法分析 6.5 本章小结 第7章 文本向量化 7.1 文本向量化概述 7.2 向量化算法word2vec 7.3 向量化算法doc2vec/str2vec 7.4 案例：将网页文本向量化 7.5 本章小结 第8章 情感分析技术 8.1 情感分析的应用 8.2 情感分析的基本方法 8.3 实战电影评论情感分析 8.4 本章小结 第9章 NLP中用到的机器学习算法 9.1 简介 9.2 几种常用的机器学习方法 9.3 分类器方法 9.4 无监督学习的文本聚类 9.5 文本分类实战：中文垃圾邮件分类 9.6 文本聚类实战：用K-means对豆瓣读书数据聚类 9.7 本章小结 第10章 基于深度学习的NLP算法 10.1 深度学习概述 10.2 神经网络模型 10.3 多输出层模型 10.4 反向传播算法 10.5 最优化算法 10.6 丢弃法 10.7 激活函数 10.8 实现BP算法 10.9 词嵌入算法 10.10 训练词向量实践 10.11 朴素Vanilla-RNN 10.12 LSTM网络 10.13 Attention机制 10.14 Seq2Seq模型 10.15 图说模型 10.16 深度学习平台 10.17 实战Seq2Seq问答机器人 10.18 本章小结 第11章 Solr搜索引擎 11.1 全文检索的原理 11.2 Solr简介与部署 11.3 ......