基於 Python 的智能文本分析 (Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning)

Benjamin Bengfort; Rebecca Bilbro; Tony Ojeda 陳光

買這商品的人也買了...

商品描述

從新聞、講話,到社交媒體上非正式的聊天,自然語言是最豐富、且尚未充分利用的數據源之一。
不但數據源源不斷,在使用環境中還在不斷調整、變化;還包含了很多傳統數據源未能傳達的信息。
打開自然語言寶藏的鑰匙,就是基於文本分析的創造性應用。
這本實戰指南介紹了從數據科學家角度如何建立語言感知產品並有效應用機器學習。
您將學到如何用Python實現健壯、可重複和可擴展的文本分析,
包括上下文特徵和語言特徵工程、向量化、分類、主題建模、實體解析、圖分析和可視化操作。
在本書的最後,您將獲得解決眾多複雜現實問題的實用方法。
預處理並將文本向量化成高維特徵表示。執行文檔分類和主題建模。
通過可視化診斷指導模型選擇過程。提取關鍵短語、命名實體和圖結構,實現文本數據推斷。
建立對話框架,實現聊天機器人和語言驅動交互。
用Spark擴展處理能力,用神經網絡實現對更複雜模型的支持。

作者簡介

Benjamin Bengfort

是一位專門研究分佈式系統、機器學習及其他相關技術的計算機科學家。

Rebecca Bilbro

是一名數據科學家和Python程序員,致力於研究機器學習工作流的可視化診斷。

Tony Ojeda

是District Data Labs的創始人和CEO,專注於商業策略應用分析、優化、預測服務,以及開源工具使用課程。

陳光

北京郵電大學副教授,主要研究方向為機器學習和自然語言處理。

目錄大綱

前言
第1章語言與計算
數據科學範式
語言感知數據產品
語言即數據
小結

第2章構建自定義語料庫
語料庫是什麼?
語料庫數據管理
語料庫讀取器
小結

第3章語料庫預處理與處置
分解文檔
語料庫的轉換
小結

第4章文本向量化和轉換流水線
空間中的詞
Scikit-Learn API
流水線
小結

第5章面向文本分析的文本分類
文本分類
構建文本分類應用
小結

第6章文本相似性聚類
文本上的無監督學習
文檔相似性聚類
文檔主題建模
小結

第7章上下文感知文本分析
基於語法的特徵提取
n-Gram特徵提取
n- Gram語言模型
小結

第8章文本可視化
可視化特徵空間
模型診斷
可視化操縱
小結

第9章文本的圖分析
圖計算與分析
從文本中抽取圖
實體解析
小結

第10章聊天機器人
對話基礎
禮貌對話規則
有趣的問題
學習幫助
小結

第11章利用多處理和Spark擴展文本分析
Python多處理
Spark集群計算
小結

第12章深度學習與未來
應用神經網絡
神經網絡語言模型
情感分析
未來(幾乎)已來
詞彙表