新書推薦：
《
卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张）
》
售價：NT$
602.0
《
化妆品学原理
》
售價：NT$
254.0
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：NT$
214.0
《
爱你，是我做过最好的事
》
售價：NT$
254.0
《
史铁生：听风八百遍，才知是人间（2）
》
售價：NT$
254.0
《
量子网络的构建与应用
》
售價：NT$
500.0
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：NT$
500.0
《
大唐名城：长安风华冠天下
》
售價：NT$
398.0
|
| 內容簡介： |
|
本书基于Python编程语言，以实战为导向，主要介绍自然语言处理的各种理论、方法及应用案例。全书共14章：第1～3章侧重介绍自然语言处理所必需的理论基础知识，包括自然语言处理基础、Python基础、语料库基础等内容；第4～10章主要讲解词法分析、词向量与关键词提取、句法分析、语义分析、情感分析等自然语言处理核心技术的原理及实现方法，以及自然语言处理中常用的机器学习和深度学习技术；第11～14章主要介绍自然语言处理比较典型的应用场景，包括机器翻译与写作、智能问答与对话及个性化推荐，以及自然语言处理技术在医疗、司法和金融领域的应用情况。本书设置较多示例，实操性较强，建议读者根据书内讲解动手完成实验，以便巩固所学内容。
|
| 關於作者： |
|
刘鸿博，中国共产党员。池州学院大数据与人工智能学院副院长，池州学院大数据与人工智能学院大数据应用创新中心副主任。先后参与太原市公安局、苏州工业园区公安局、湖北省公安厅大数据与人工智能平台人像识别与生物特征识别的架构设计与实施。在自然语言处理、数据分析等领域有多年的研究。
|
| 目錄：
|
|
目 录第1章 自然语言处理基础11.1 什么是自然语言处理11.1.1 自然语言处理的概念11.1.2 自然语言处理的研究任务31.2 自然语言处理的发展历程41.3 自然语言处理相关知识的构成61.3.1 基础术语61.3.2 知识结构71.4 探讨自然语言处理的几个层面81.5 自然语言处理与人工智能10第2章 Python基础112.1 搭建Python开发环境112.1.1 Python的科学计算发行版—Anaconda112.1.2 Anaconda的下载与安装132.2 正则表达式在自然语言处理中的基本应用172.2.1 匹配字符串182.2.2 使用转义符202.2.3 抽取文本中的数字212.3 Numpy使用详解222.3.1 创建数组222.3.2 获取Numpy中数组的维度242.3.3 获取本地数据242.3.4 正确读取数据252.3.5 Numpy数组索引252.3.6 Numpy数组切片262.3.7 数组比较262.3.8 替代值272.3.9 数据类型的转换282.3.10 Numpy的统计计算方法29第3章 语料库基础303.1 语料库基础概述303.2 自然语言工具包NLTK313.2.1 NLTK概述313.2.2 安装NLTK323.2.3 使用NLTK333.2.4 在Python NLTK下使用Stanford NLP373.3 获取语料库413.3.1 访问网站413.3.2 编写程序423.3.3 通过NLTK获取433.4 综合案例：走进《红楼梦》463.4.1 数据采集和预处理463.4.2 构建本地语料库473.4.3 语料操作47第4章 词法分析514.1 中文分词514.1.1 中文分词介绍514.1.2 规则分词524.1.3 统计分词584.1.4 混合分词674.1.5 中文分词工具—Jieba674.2 词性标注704.2.1 词性标注概述704.2.2 词性标注规范714.2.3 Jieba分词中的词性标注724.3 命名实体识别734.3.1 命名实体识别概述734.3.2 基于CRF的命名实体识别754.3.3 日期识别实战774.3.4 地名识别实战81第5章 词向量与关键词提取905.1 词向量算法word2vec905.1.1 神经网络语言模型915.1.2 C＆W模型925.1.3 CBOW模型和Skip-gram模型935.2 关键词提取技术概述945.3 TF-IDF算法955.4 TextRank算法965.5 LSA/LSI/LDA算法985.5.1 LSA/LSI算法985.5.2 LDA算法995.6 提取文本关键词100第6章 句法分析1086.1 句法分析概述1086.1.1 句法分析的基本概念1086.1.2 句法分析的基本方法1096.2 句法分析的数据集与评测方法1096.2.1 句法分析的数据集1106.2.2 句法分析的评测方法1116.3 句法分析的常用方法1116.3.1 基于PCFG的句法分析1126.3.2 基于最大间隔马尔可夫网络的句法分析1136.3.3 基于CRF的句法分析1146.3.4 基于移进-归约的句法分析模型1146.4 使用Stanford Parser的PCFG算法进行句法分析1156.4.1 Stanford Parser1156.4.2 基于PCFG的中文句法分析实战116第7章 语义分析1197.1 词义消歧1197.1.1 基于规则的词义消歧1207.1.2 基于统计的词义消歧1217.1.3 基于实例的词义消歧1227.1.4 基于词典的词义消歧1227.2 语义角色标注1247.2.1 格语法1247.2.2 基于统计机器学习技术的语义角色标注1257.3 深层语义推理1267.3.1 命题逻辑和谓词逻辑1267.3.2 语义网络1277.3.3 概念依存理论129第8章 情感分析1308.1 情感分析的应用领域1308.2 情感分析的基本方法1318.2.1 词法分析1328.2.2 机器学习方法1328.2.3 混合分析1328.3 实战—电影评论情感分析1338.3.1 模型选择1348.3.2 载入数据1368.3.3 辅助函数1388.3.4 模型设置1388.3.5 调参配置1408.3.6 训练过程140第9章 机器学习与自然语言处理1419.1 几种常用的机器学习方法1419.1.1 文本分类1419.1.2 特征提取1429.1.3 标注1429.1.4 搜索与排序1439.1.5 推荐系统1449.1.6 序列学习1459.2 无监督学习的文本聚类1469.3 文本分类实战：中文垃圾邮件分类1489.3.1 实现代码1489.3.2 评价指标1519.4 文本聚类实战：用k-means对豆瓣读书数据聚类153第10章 深度学习与自然语言处理15710.1 词嵌入算法15710.1.1 词向量15710.1.2 word2vec15810.1.3 词向量模型15910.1.4 CBOW和Skip-gram16110.2 训练词向量实践16110.3 RNN16610.3.1 简单RNN16610.3.2 LSTM网络16810.3.3 Attention机制17210.4 seq2seq模型与实战17310.4.1 seq2seq模型17310.4.2 实战seq2seq问答机器人174第11章 机器翻译与写作19411.1 机器翻译19411.1.1 机器翻译的意义19411.1.2 经典的神经网络机器翻译模型19511.1.3 机器翻译译文质量评价20011.1.4 机器翻译面临的挑战20211.2 机器写作20311.2.1 什么是机器写作20311.2.2 艺术写作20411.2.3 当代写作207第12章 智能问答与对话21212.1 智能问答21212.2 智能对话系统21212.2.1 对话系统的基本过程21312.2.2 对话系统的常见场景21312.3 问答系统的主要组成21412.4 不同类型的问答系统21512.4.1 文本问答系统21612.4.2 阅读理解型文本问答系统22012.4.3 社区问答系统22312.4.4 IBM的“沃森”问答系统22512.5 前景与挑战226第13章 个性化推荐22713.1 推荐系统是什么22713.2 个性化推荐的基本问题22713.2.1 推荐系统的输入22813.2.2 推荐系统的输出22813.2.3 推荐的基本形式22913.2.4 推荐系统的三大核心23013.3 推荐的可解释性23013.4 前景与挑战23213.4.1 推荐系统面临的问题23213.4.2 推荐系统的新方向233第14章 行业应用23514.1 智慧医疗23514.1.1 智慧医疗的产生与概念23514.1.2 智慧医疗中的人工智能23714.1.3 前景与挑战23914.2 智慧司法24014.2.1 智慧司法是什么24014.2.2 研究与应用方向24114.2.3 期望与挑战24714.3 智能金融24814.3.1 了解智能金融24814.3.2 智能金融技术的应用25214.3.3 智能金融的前景与挑战254
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
