Python自然語言處理實戰(zhàn)

定　價：￥99.00

作　者：	（美）真亞·安蒂科（ZhenyaAntic）
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111725152	出版時間：	2023-04-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　近年來，基于深度學習的人工智能掀起了學習熱潮。Python是廣泛使用的自然語言處理（NLP）語言。本書從NLP的概述開始，介紹了將文本分成句子、詞干提取和詞形還原、刪除停用詞和詞性標注的方法，以幫助您準備數(shù)據(jù)。然后，您將學習提取和表示語法信息的方法，例如依存分析和指代消解，發(fā)現(xiàn)使用詞袋、TF-IDF、詞嵌入和BERT表示語義的不同方法，并使用關鍵字、SVM、LSTM和其他技術開發(fā)文本分類技能。隨著學習的深入，您還將了解如何從文本中提取信息、實施無監(jiān)督和有監(jiān)督的主題建模技術，以及對短文本（如推文）進行主題建模。此外，本書還向您展示了如何使用NLTK和Rasa開發(fā)聊天機器人并可視化文本數(shù)據(jù)。讀完這本NLP書籍，您將掌握使用一組強大的工具進行文本處理工具的技能?？梢哉f，本書是深度學習和自然語言處理的入門教程，同時也讀者登堂入室，進入機會與挑戰(zhàn)并存的人工智能領域。這本NLP書籍適于AI工程師、機器學習工程師、數(shù)據(jù)科學家和深度學習愛好者閱讀。

作者簡介

暫缺《Python自然語言處理實戰(zhàn)》作者簡介

圖書目錄

目錄
譯者序
原書前言
第1章學習NLP基礎知識
1.1技術要求
1.2將文本分成句子
1.3將句子切分成單詞——分詞
1.4詞性標注
1.5詞干提取
1.6組合相似詞——詞形還原
1.7刪除停用詞
第2章玩轉語法
2.1技術要求
2.2計數(shù)名詞——復數(shù)名詞和單數(shù)名詞
2.3獲取依存句法
2.4將句子拆分為從句
2.5提取名詞塊
2.6提取實體和關系
2.7提取句子的主語和賓語
2.8尋找引用——指代消解
第3章表示文本——捕獲語義
3.1技術要求
3.2將文檔放入詞袋中
3.3構建n-gram模型
3.4用TF-IDF表示文本
3.5使用詞嵌入
3.6訓練您自己的嵌入模型
3.7表示短語——phrase2vec
3.8使用BERT代替詞嵌入
3.9語義搜索入門
第4章文本分類
4.1技術要求
4.2準備好數(shù)據(jù)集和評估基準
4.3使用關鍵詞執(zhí)行基于規(guī)則的文本分類
4.4使用K-means聚類句子——無監(jiān)督文本分類
4.5使用SVM進行有監(jiān)督的文本分類
4.6使用LSTM進行有監(jiān)督的文本分類
第5章信息提取入門
5.1技術要求
5.2使用正則表達式
5.3尋找相似的字符串：Levenshtein距離
5.4使用spaCy執(zhí)行命名體識別
5.5用spaCy訓練您自己的NER模型
5.6發(fā)現(xiàn)情感分析
5.7使用LSTM的短文本情感分析：Twitter
5.8使用BERT進行情感分析
第6章主題建模
6.1技術要求
6.2使用sklearn進行LDA主題建模
6.3使用gensim進行LDA主題建模
6.4NMF主題建模
6.5使用BERT進行K-means主題建模
6.6短文本主題建模
第7章構建聊天機器人
7.1技術要求
7.2使用關鍵字匹配構建一個基本的聊天機器人
7.3構建一個基本的Rasa聊天機器人
7.4使用Rasa創(chuàng)建問答對
7.5使用Rasa創(chuàng)建和可視化對話路徑
7.6為Rasa聊天機器人創(chuàng)建操作
第8章可視化文本數(shù)據(jù)
8.1技術要求
8.2可視化依存句法
8.3可視化詞性
8.4可視化NER
8.5構建詞云
8.6可視化主題
附錄
附錄AspaCy詞性標簽列表
附錄BNLTK詞性標簽列表
附錄C停用詞列表
附錄DspaCy命名實體標簽