自然語言處理理論與實戰(zhàn)

第1 章基礎入門

1.1 什么是自然語言處理

1.1.1 自然語言處理概述 

1.1.2 自然語言處理的發(fā)展歷史     

1.1.3 自然語言處理的工作原理     

1.1.4 自然語言處理的應用前景     

1.2 開發(fā)工具與環(huán)境         

1.2.1 Sublime Text 和Anaconda 介紹   

1.2.2 開發(fā)環(huán)境的安裝與配置     

1.3 實戰(zhàn)：第一個小程序的誕生    

1.3.1 實例介紹         

1.3.2 源碼實現(xiàn)          

第2 章快速上手Python

2.1 初識Python 編程語言       

2.1.1 Python 概述         

2.1.2 Python 能做什么       

2.1.3 Python 的語法和特點      

2.2 Python 進階          

2.2.1 Hello World          

2.2.2 語句和控制流         

2.2.3 函數(shù)            

2.2.4 List 列表          

2.2.5 元組            

2.2.6 set 集合           

2.2.7 字典            

2.2.8 面向對象編程：類       

2.2.9 標準庫           

2.3 Python 深入——第三方庫     

2.3.1 Web 框架          

2.3.2 科學計算          

2.3.3 GUI            

2.3.4 其他庫           

第3 章線性代數(shù)

3.1 線性代數(shù)介紹         

3.2 向量             

3.2.1 向量定義          

3.2.2 向量表示          

3.2.3 向量定理          

3.2.4 向量運算          

3.3 矩陣            

3.3.1 矩陣定義          

3.3.2 矩陣表示          

3.3.3 矩陣運算          

3.3.4 線性方程組        

3.3.5 行列式          

3.3.6 特征值和特征向量     

3.4 距離計算           

3.4.1 余弦距離          

3.4.2 歐氏距離          

3.4.3 曼哈頓距離         

3.4.4 明可夫斯基距離      

3.4.5 切比雪夫距離         

3.4.6 杰卡德距離        

3.4.7 漢明距離          

3.4.8 標準化歐式距離        

3.4.9 皮爾遜相關系數(shù)        

第4 章概率論

4.1 概率論介紹           

4.2 事件             

4.2.1 隨機試驗          

4.2.2 隨機事件和樣本空間      

4.2.3 事件的計算         

4.3 概率             

4.4 概率公理           

4.5 條件概率和全概率        

4.5.1 條件概率          

4.5.2 全概率           

4.6 貝葉斯定理          

4.7 信息論            

4.7.1 信息論的基本概念       

4.7.2 信息度量          

第5 章統(tǒng)計學 

5.1 圖形可視化          

5.1.1 餅圖            

5.1.2 條形圖           

5.1.3 熱力圖           

5.1.4 折線圖           

5.1.5 箱線圖           

5.1.6 散點圖           

5.1.7 雷達圖           

5.1.8 儀表盤           

5.1.9 可視化圖表用法        

5.2 數(shù)據(jù)度量標準          

5.2.1 平均值           

5.2.2 中位數(shù)           

5.2.3 眾數(shù)            

5.2.4 期望            

5.2.5 方差            

5.2.6 標準差           

5.2.7 標準分           

5.3 概率分布            

5.3.1 幾何分布          

5.3.2 二項分布          

5.3.3 正態(tài)分布          

5.3.4 泊松分布          

5.4 統(tǒng)計假設檢驗         

5.5 相關和回歸           

5.5.1 相關            

5.5.2 回歸            

5.5.3 相關和回歸的聯(lián)系       

第6 章語言學 

6.1 語音             

6.1.1 什么是語音   

6.1.2 語音的三大屬性   

6.1.3 語音單位         

6.1.4 記音符號         

6.1.5 共時語流音變      

6.2 詞匯           

6.2.1 什么是詞匯       

6.2.2 詞匯單位         

6.2.3 詞的構造       

6.2.4 詞義及其分類         

6.2.5 義項與義素       

6.2.6 語義場         

6.2.7 詞匯的構成         

6.3 語法             

6.3.1 什么是語法         

6.3.2 詞類            

6.3.3 短語            

6.3.4 單句            

6.3.5 復句            

第7 章自然語言處理

7.1 自然語言處理的任務和限制    

7.2 自然語言處理的主要技術范疇    

7.2.1 語音合成         

7.2.2 語音識別          

7.2.3 中文自動分詞        

7.2.4 詞性標注          

7.2.5 句法分析         

7.2.6 文本分類          

7.2.7 文本挖掘         

7.2.8 信息抽取          

7.2.9 問答系統(tǒng)        

7.2.10 機器翻譯          

7.2.11 文本情感分析         

7.2.12 自動摘要          

7.2.13 文字蘊涵          

7.3 自然語言處理的難點      

7.3.1 語言環(huán)境復雜        

7.3.2 文本結構形式多樣       

7.3.3 邊界識別限制        

7.3.4 詞義消歧          

7.3.5 指代消解          

7.4 自然語言處理展望        

第8 章語料庫 

8.1 語料庫淺談           

8.2 語料庫深入           

8.3 自然語言處理工具包：NLTK     

8.3.1 NLTK 簡介          

8.3.2 安裝NLTK           

8.3.3 使用NLTK           

8.3.4 在Python NLTK 下使用Stanford NLP 

8.4 獲取語料庫           

8.4.1 國內(nèi)外著名語料庫       

8.4.2 網(wǎng)絡數(shù)據(jù)獲取       

8.4.3 NLTK 獲取語料庫      

8.5 綜合案例：走進大秦帝國    

8.5.1 數(shù)據(jù)采集和預處理       

8.5.2 構建本地語料庫      

8.5.3 大秦帝國語料操作      

第9 章中文自動分詞

9.1 中文分詞簡介         

9.2 中文分詞的特點和難點     

9.3 常見中文分詞方法        

9.4 典型中文分詞工具        

9.4.1 HanLP 中文分詞        

9.4.2 其他中文分詞工具      

9.5 結巴中文分詞          

9.5.1 基于Python 的結巴中文分詞   

9.5.2 結巴分詞工具詳解       

9.5.3 結巴分詞核心內(nèi)容      

9.5.4 結巴分詞基本用法       

第10 章數(shù)據(jù)預處理 

10.1 數(shù)據(jù)清洗            

10.2 分詞處理            

10.3 特征構造            

10.4 特征降維與選擇         

10.4.1 特征降維          

10.4.2 特征選擇          

10.5 簡單實例            

10.6 本章小結           

第11 章馬爾可夫模型

11.1 馬爾可夫鏈          

11.1.1 馬爾可夫簡介        

11.1.2 馬爾可夫鏈的基本概念     

11.2 隱馬爾可夫模型        

11.2.1 形式化描述         

11.2.2 數(shù)學形式描述         

11.3 向前算法解決HMM 似然度     

11.3.1 向前算法定義         

11.3.2 向前算法原理         

11.3.3 現(xiàn)實應用：預測成都天氣的冷熱  

11.4 文本序列標注案例：Viterbi 算法  

第12 章條件隨機場 

12.1 條件隨機場介紹         

12.2 簡單易懂的條件隨機場      

12.2.1 CRF 的形式化表示      

12.2.2 CRF 的公式化表示      

12.2.3 深度理解條件隨機場      

第13 章模型評估

13.1 從統(tǒng)計角度介紹模型概念     

13.1.1 算法模型          

13.1.2 模型評估和模型選擇     

13.1.3 過擬合與欠擬合的模型選擇    

13.2 模型評估與選擇         

13.2.1 模型評估的概念        

13.2.2 模型評估的評測指標    

13.2.3 以詞性標注為例分析模型評估   

13.2.4 模型評估的幾種方法      

13.3 ROC 曲線比較學習器模型     

第14 章命名實體識別

14.1 命名實體識別概述        

14.2 命名實體識別的特點與難點     

14.3 命名實體識別方法        

14.4 中文命名實體識別的核心技術   

14.5 展望             

第15 章自然語言處理實戰(zhàn)

15.1 GitHub 數(shù)據(jù)提取與可視化分析   

15.1.1 了解GitHub 的API        

15.1.2 使用NetworkX 作圖       

15.1.3 使用NetworkX 構建興趣圖    

15.1.4 NetWorkX 部分統(tǒng)計指標     

15.1.5 構建GitHub 的興趣圖     

15.1.6 可視化           

15.2 微博話題爬取與存儲分析     

15.2.1 數(shù)據(jù)采集          

15.2.2 數(shù)據(jù)提取          

15.2.3 數(shù)據(jù)存儲          

15.2.4 項目運行與分析       

附錄A Python 與其他語言調(diào)用 

附錄B Git 項目上傳簡易教程 

參考文獻