Python自然語(yǔ)言處理

定　價(jià)：￥89.00

作　者：	（美）Steven,Bird Ewan,Klein Edward,Loper 著，陳濤，張旭，崔楊，劉海平譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	程序設(shè)計(jì) 計(jì)算機(jī)/網(wǎng)絡(luò)

購(gòu)買這本書(shū)可以去

ISBN：	9787115333681	出版時(shí)間：	2014-06-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	487	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　自然語(yǔ)言處理（Natural Language Processing，NLP）是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向。它研究能夠?qū)崿F(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法，涉及所有用計(jì)算機(jī)對(duì)自然語(yǔ)言進(jìn)行的操作?！禤ython自然語(yǔ)言處理》是自然語(yǔ)言處理領(lǐng)域的一本實(shí)用入門指南，旨在幫助讀者學(xué)習(xí)如何編寫(xiě)程序來(lái)分析書(shū)面語(yǔ)言?！禤ython自然語(yǔ)言處理》基于Python編程語(yǔ)言以及一個(gè)名為NLTK的自然語(yǔ)言工具包的開(kāi)源庫(kù)，但并不要求讀者有Python編程的經(jīng)驗(yàn)。全書(shū)共11章，按照難易程度順序編排。第1章到第3章介紹了語(yǔ)言處理的基礎(chǔ)，講述如何使用小的Python程序分析感興趣的文本信息。第4章討論結(jié)構(gòu)化程序設(shè)計(jì)，以鞏固前面幾章中介紹的編程要點(diǎn)。第5章到第7章介紹語(yǔ)言處理的基本原理，包括標(biāo)注、分類和信息提取等。第8章到第10章介紹了句子解析、句法結(jié)構(gòu)識(shí)別和句意表達(dá)方法。第11章介紹了如何有效管理語(yǔ)言數(shù)據(jù)。后記部分簡(jiǎn)要討論了NLP領(lǐng)域的過(guò)去和未來(lái)?！禤ython自然語(yǔ)言處理》的實(shí)踐性很強(qiáng)，包括上百個(gè)實(shí)際可用的例子和分級(jí)練習(xí)?！禤ython自然語(yǔ)言處理》可供讀者用于自學(xué)，也可以作為自然語(yǔ)言處理或計(jì)算語(yǔ)言學(xué)課程的教科書(shū)，還可以作為人工智能、文本挖掘、語(yǔ)料庫(kù)語(yǔ)言學(xué)等課程的補(bǔ)充讀物。

作者簡(jiǎn)介

　　Steven Bird是墨爾本大學(xué)計(jì)算機(jī)科學(xué)和軟件工程系副教授，賓夕法尼亞大學(xué)語(yǔ)言學(xué)數(shù)據(jù)聯(lián)盟高級(jí)研究助理。Ewan Klein是愛(ài)丁堡大學(xué)信息學(xué)院語(yǔ)言技術(shù)教授。Edward Loper是畢業(yè)于賓夕法尼亞大學(xué)專注于機(jī)器學(xué)習(xí)的自然語(yǔ)言處理方向的博士，現(xiàn)在在波士頓的BBN Technologies擔(dān)任研究員。

圖書(shū)目錄

目　錄
第1章　語(yǔ)言處理與Python　1
1．1　語(yǔ)言計(jì)算：文本和詞匯　1
1．2　近觀Python：將文本當(dāng)做詞鏈表　10
1．3　計(jì)算語(yǔ)言：簡(jiǎn)單的統(tǒng)計(jì)　17
1．4　回到Python：決策與控制　24
1．5　自動(dòng)理解自然語(yǔ)言　29
1．6　小結(jié)　35
1．7　深入閱讀　36
1．8　練習(xí)　37
第2章　獲得文本語(yǔ)料和詞匯資源　41
2．1　獲取文本語(yǔ)料庫(kù)　41
2．2　條件頻率分布　55
2．3　更多關(guān)于Python：代碼重用　60
2．4　詞典資源　63
2．5　WordNet　72
2．6　小結(jié)　78
2．7　深入閱讀　79
2．8　練習(xí)　80
第3章　處理原始文本　84
3．1　從網(wǎng)絡(luò)和硬盤訪問(wèn)文本　84
3．2　字符串：最底層的文本處理　93
3．3　使用Unicode進(jìn)行文字處理　100
3．4　使用正則表達(dá)式檢測(cè)詞組搭配　105
3．5　正則表達(dá)式的有益應(yīng)用　109
3．6　規(guī)范化文本　115
3．7　用正則表達(dá)式為文本分詞　118
3．8　分割　121
3．9　格式化：從鏈表到字符串　126
3．10　小結(jié)　132
3．11　深入閱讀　133
3．12　練習(xí)　134
第4章　編寫(xiě)結(jié)構(gòu)化程序　142
4．1　回到基礎(chǔ)　142
4．2　序列　147
4．3　風(fēng)格的問(wèn)題　152
4．4　函數(shù)：結(jié)構(gòu)化編程的基礎(chǔ)　156
4．5　更多關(guān)于函數(shù)　164
4．6　程序開(kāi)發(fā)　169
4．7　算法設(shè)計(jì)　175
4．8　Python庫(kù)的樣例　183
4．9　小結(jié)　188
4．10　深入閱讀　189
4．11　練習(xí)　189
第5章　分類和標(biāo)注詞匯　195
5．1　使用詞性標(biāo)注器　195
5．2　標(biāo)注語(yǔ)料庫(kù)　197
5．3　使用Python字典映射詞及其屬性　206
5．4　自動(dòng)標(biāo)注　216
5．5　N-gram標(biāo)注　221
5．6　基于轉(zhuǎn)換的標(biāo)注　228
5．7　如何確定一個(gè)詞的分類　230
5．8　小結(jié)　233
5．9　深入閱讀　234
5．10　練習(xí)　235
第6章　學(xué)習(xí)分類文本　241
6．1　監(jiān)督式分類　241
6．2　監(jiān)督式分類的舉例　254
6．3　評(píng)估　258
6．4　決策樹(shù)　263
6．5　樸素貝葉斯分類器　266
6．6　最大熵分類器　271
6．7　為語(yǔ)言模式建模　275
6．8　小結(jié)　276
6．9　深入閱讀　277
6．10　練習(xí)　278
第7章　從文本提取信息　281
7．1　信息提取　281
7．2　分塊　284
7．3　開(kāi)發(fā)和評(píng)估分塊器　291
7．4　語(yǔ)言結(jié)構(gòu)中的遞歸　299
7．5　命名實(shí)體識(shí)別　302
7．6　關(guān)系抽取　306
7．7　小結(jié)　307
7．8　深入閱讀　308
7．9　練習(xí)　308
第8章　分析句子結(jié)構(gòu)　312
8．1　一些語(yǔ)法困境　312
8．2　文法的用途　316
8．3　上下文無(wú)關(guān)文法　319
8．4　上下文無(wú)關(guān)文法分析　323
8．5　依存關(guān)系和依存文法　332
8．6　文法開(kāi)發(fā)　336
8．7　小結(jié)　343
8．8　深入閱讀　344
8．9　練習(xí)　344
第9章　建立基于特征的文法　349
9．1　文法特征　349
9．2　處理特征結(jié)構(gòu)　359
9．3　擴(kuò)展基于特征的文法　367
9．4　小結(jié)　379
9．5　深入閱讀　380
9．6　練習(xí)　381
第10章　分析語(yǔ)句的含義　384
10．1　自然語(yǔ)言理解　384
10．2　命題邏輯　391
10．3　一階邏輯　395
10．4　英語(yǔ)語(yǔ)句的語(yǔ)義　409
10．5　段落語(yǔ)義層　422
10．6　小結(jié)　428
10．7　深入閱讀　429
10．8　練習(xí)　430
第11章　語(yǔ)言數(shù)據(jù)管理　434
11．1　語(yǔ)料庫(kù)結(jié)構(gòu)：案例研究　434
11．2　語(yǔ)料庫(kù)生命周期　439
11．3　數(shù)據(jù)采集　443
11．4　使用XML　452
11．5　使用Toolbox數(shù)據(jù)　459
11．6　使用OLAC元數(shù)據(jù)描述語(yǔ)言資源　463
11．7　小結(jié)　466
11．8　深入閱讀　466
11．9　練習(xí)　467
后記　470
參考文獻(xiàn)　476