幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python中文自然語言處理基礎與實戰(大數據技術精品系列教材1+X職業技能等級證書配套系列教材)

  • 作者：編者:肖剛//張良均|責編:初美呈
  • 出版社：人民郵電
  • ISBN：9787115566881
  • 出版日期：2022/01/01
  • 裝幀：平裝
  • 頁數：236
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Python自然語言處理的常用技術與真實案例相結合的方式，深入淺出地介紹Python自然語言處理的重要內容。全書共12章，內容包括緒論、語料庫、正則表達式、中文分詞技術、詞性標注與命名實體識別、關鍵詞提取、文本向量化、文本分類與文本聚類、文本情感分析、NLP中的深度學習技術、智能問答系統，以及基於TipDM大數據挖掘建模平台實現垃圾簡訊分類。本書包含課後習題和實訓，幫助讀者通過練習和操作實踐，鞏固所學內容。
    本書可作為「1+X」證書制度試點工作中「大數據應用開發（Python）」職業技能等級證書的教學和培訓用書，也可以作為高校數據科學或人工智慧相關專業的教材，還可作為機器學習愛好者的自學用書。
作者介紹
編者:肖剛//張良均|責編:初美呈
目錄
第1章  緒論
  1.1  自然語言處理概述
    1.1.1  NLP的發展歷程
    1.1.2  NLP研究內容
    1.1.3  NLP的幾個應用場景
    1.1.4  NLP與人工智慧技術
    1.1.5  學習NLP的難點
  1.2  NLP基本流程
    1.2.1  語料獲取
    1.2.2  語料預處理
    1.2.3  文本向量化
    1.2.4  模型構建
    1.2.5  模型訓練
    1.2.6  模型評價
  1.3  NLP的開發環境
    1.3.1  Anaconda安裝
    1.3.2  Anaconda應用介紹
  小結
  課後習題
第2章  語料庫
  2.1  語料庫概述
    2.1.1  語料庫簡介
    2.1.2  語料庫的用途
  2.2  語料庫的種類與構建原則
    2.2.1  語料庫的種類
    2.2.2  語料庫的構建原則
  2.3  NLTK
    2.3.1  NLTK簡介
    2.3.2  安裝步驟
    2.3.3  NLTK中函數的使用
  2.4  語料庫的獲取
    2.4.1  獲取NLTK語料庫
    2.4.2  獲取網路在線語料庫
  2.5  任務：語料庫的構建與應用
    2.5.1  構建作品集語料庫
    2.5.2  武俠小說語料庫分析
  小結
  實訓
    實訓1  構建語料庫
    實訓2  《七劍下天山》語料庫分析
  課後習題
第3章  正則表達式
  3.1  正則表達式的概念
    3.1.1  正則表達式函數
    3.1.2  正則表達式的元字元
  3.2  任務：正則表達式的應用
    3.2.1  《西遊記》字元過濾
    3.2.2  自動提取人名與電話號碼
    3.2.3  提取網頁標籤信息
  小結

  實訓
    實訓1  過濾《三國志》中的字元
    實訓2  提取地名與郵編
    實訓3  提取網頁標籤中的文本
  課後習題
第4章  中文分詞技術
  4.1  中文分詞簡介
  4.2  基於規則分詞
    4.2.1  正向匹配法
    4.2.2  逆向匹配法
    4.2.3  雙向匹配法
  4.3  基於統計分詞
    4.3.1  n元語法模型
    4.3.2  隱馬爾可夫模型相關概念
  4.4  中文分詞工具jieba
    4.4.1  基本步驟
    4.4.2  分詞模式
  4.5  任務：中文分詞的應用
    4.5.1  HMM中文分詞
    4.5.2  提取新聞文本中的高頻詞
  小結
  實訓
    實訓1  使用HMM進行中文分詞
    實訓2  提取文本中的高頻詞
  課後習題
第5章  詞性標注與命名實體識別
  5.1  詞性標注
    5.1.1  詞性標注簡介
    5.1.2  詞性標注規範
    5.1.3  jieba詞性標注
  5.2  命名實體識別
    5.2.1  命名實體識別簡介
    5.2.2  CRF模型
  5.3  任務：中文命名實體識別
    5.3.1  sklearn-crfsuite庫簡介
    5.3.2  命名實體識別流程
  小結
  實訓  中文命名實體識別
  課後習題
第6章  關鍵詞提取
  6.1  關鍵詞提取技術簡介
  6.2  關鍵詞提取演算法
    6.2.1  TF-IDF演算法
    6.2.2  TextRank演算法
    6.2.3  LSA與LDA演算法
  6.3  任務：自動提取文本關鍵詞
  小結
  實訓
    實訓1  文本預處理
    實訓2  使用TF-IDF演算法提取關鍵詞

    實訓3  使用TextRank演算法提取關鍵詞
    實訓4  使用LSA演算法提取關鍵詞
  課後習題
第7章  文本向量化
  7.1  文本向量化簡介
  7.2  文本離散表示
    7.2.1  獨熱表示
    7.2.2  BOW模型
    7.2.3  TF-IDF表示
  7.3  文本分散式表示
    7.3.1  Word2Vec模型
    7.3.2  Doc2Vec模型
  7.4  任務：文本相似度計算
    7.4.1  Word2Vec詞向量的訓練
    7.4.2  Doc2Vec段落向量的訓練
    7.4.3  計算文本的相似度
  小結
  實訓
    實訓1  實現基於Word2Vec模型的新聞語料詞向量訓練
    實訓2  實現基於Doc2Vec模型的新聞語料段落向量訓練
    實訓3  使用Word2Vec模型和Doc2Vec模型計算新聞文本的相似度
  課後習題
第8章  文本分類與文本聚類
  8.1  文本挖掘簡介
  8.2  文本分類常用演算法
  8.3  文本聚類常用演算法
  8.4  文本分類與文本聚類的步驟
  8.5  任務：垃圾簡訊分類
  8.6  任務：新聞文本聚類
  小結
  實訓
    實訓1  基於樸素貝葉斯的新聞分類
    實訓2  食品種類安全問題聚類分析
  課後習題
第9章  文本情感分析
  9.1  文本情感分析簡介
    9.1.1  文本情感分析的主要內容
    9.1.2  文本情感分析的常見應用
  9.2  情感分析的常用方法
    9.2.1  基於情感詞典的方法
    9.2.2  基於文本分類的方法
    9.2.3  基於LDA主題模型的方法
  9.3  任務：基於情感詞典的情感分析
  9.4  任務：基於文本分類的情感分析
    9.4.1  基於樸素貝葉斯分類的情感分析
    9.4.2  基於SnowNLP庫的情感分析
  9.5  任務：基於LDA主題模型的情感分析
    9.5.1  數據處理
    9.5.2  模型訓練
    9.5.3  結果分析

  小結
  實訓
    實訓1  基於詞典的豆瓣評論文本情感分析
    實訓2  基於樸素貝葉斯演算法的豆瓣評論文本情感分析
    實訓3  基於SnowNLP的豆瓣評論文本情感分析
    實訓4  基於LDA主題模型的豆瓣評論文本情感分析
  課後習題
第10章  NLP中的深度學習技術
  10.1  循環神經網路概述
  10.2  RNN結構
    10.2.1  多對一結構
    10.2.2  等長的多對多結構
    10.2.3  非等長結構（Seq2Seq模型）
  10.3  深度學習工具
    10.3.1  TensorFlow簡介
    10.3.2  基於TensorFlow的深度學習庫Keras
  10.4  任務：基於LSTM的文本分類與情感分析
    10.4.1  文本分類
    10.4.2  情感分析
  10.5  任務：基於Seq2Seq的機器翻譯
    10.5.1  語料預處理
    10.5.2  構建模型
    10.5.3  定義優化器和損失函數
    10.5.4  訓練模型
    10.5.5  翻譯
  小結
  實訓
    實訓1  實現基於LSTM模型的新聞分類
    實訓2  實現基於LSTM模型的攜程網評論情感分析
    實訓3  實現基於Seq2Seq和GPU的機器翻譯
  課後習題
第11章  智能問答系統
  11.1  智能問答系統簡介
  11.2  智能問答系統的主要組成部分
    11.2.1  問題理解
    11.2.2  知識檢索
    11.2.3  答案生成
  11.3  任務：基於Seq2Seq模型的聊天機器人
    11.3.1  讀取語料庫
    11.3.2  文本預處理
    11.3.3  模型構建
    11.3.4  模型訓練
    11.3.5  模型評價
  小結
  實訓  基於Seq2Seq模型的聊天機器人
  課後習題
第12章  基於TipDM大數據挖掘建模平台實現垃圾簡訊分類
  12.1  平台簡介
    12.1.1  實訓庫
    12.1.2  數據連接

    12.1.3  實訓數據
    12.1.4  我的實訓
    12.1.5  系統演算法
    12.1.6  個人演算法
  12.2  實現垃圾簡訊分類
    12.2.1  數據源配置
    12.2.2  文本預處理
    12.2.3  樸素貝葉斯分類模型
  小結
  實訓  實現基於樸素貝葉斯的新聞分類
  課後習題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032