自然語言處理 NLP 從入門到項目實戰:Python 語言實現

艾滸

  • 出版商: 北京大學
  • 出版日期: 2021-01-01
  • 定價: $534
  • 售價: 8.5$454
  • 語言: 簡體中文
  • 頁數: 388
  • 裝訂: 平裝
  • ISBN: 7301324839
  • ISBN-13: 9787301324837
  • 相關分類: Text-mining
  • 立即出貨

買這商品的人也買了...

商品描述

本書從人工智能和自然語言處理技術的基礎原理講起,逐步深入自然語言處理進階實戰,並配有實戰代碼講解,重點介紹了使用開源技術、人工智能開放平臺,以及使用國內外優秀開發框架進行基於規則、統計、深度學習的自然語言處理程序開發,讓讀者全面掌握理論基礎,並學以致用。 本書分為12章,主要包括學習人工智能原理、自然語言處理技術、掌握深度學習模型、NLP開源技術實戰、Python神經網絡計算實戰、AI語音合成有聲小說實戰、玩轉詞向量、近義詞查詢系統實戰、機器翻譯系統實戰、文本情感分析系統實戰、電話銷售語義分析系統實戰人工智能輔助寫作系統(獨家專利技術解密)。 本書內容通俗易懂,案例豐富,實用性強,特別適合使用Python語言人工智能自然語言處理的入門和進階的讀者閱讀,也適合產品經理、人工智能研究者等對人工智能自然語言處理感興趣的讀者閱讀。另外,本書也適合作為相關培訓機構的教材使用。

作者簡介

艾滸 北京大學計算機專業學士 北京百靈互聯科技有限公司創始人兼CTO 芭莎寶貝(北京)文化傳媒有限公司聯合創始人兼CTO 北京生生萬年科技CTO 全球首款AI寫作平台L8ai.com創始人 15年人工智能科技/互聯網/媒體行業經驗 快手/百度/京東/喜馬拉雅/螞蟻集團等知名“大廠”特約撰稿人,在知乎上獲得4000萬閱讀量 發明專利:一種人工智能輔助寫作系統 軟件著作權:百靈AI智能寫作平台

目錄大綱

第一篇 人工智能自然語言處理基礎篇 
第1章 人工智能原理 
1.1 人工智能簡史 
1.1.1 意識研究歷史及經典理論 
1.1.2 意識研究的熱點問題和經典答案 
1.1.3 人工智能經典理論 
1.1.4 人工智能的本質 
1.2 神經網絡原理 
1.2.1 神經科學家 
1.2.2 神經科學經典理論 
1.2.3 學習和記憶的原理 
1.2.4 神經網絡模型 
1.3 矩陣與思維 
1.3.1 矩陣與樹突 
1.3.2 矩陣與聯想 

第2章 掌握自然語言處理技術 
2.1 自然語言處理技術與人工智能 
2.1.1 自然語言處理技術與人工智能的關系 
2.1.2 NLP技術的定義與分類 
2.2 NLP技術概述 
2.2.1 NLP算法的三個發展階段 
2.2.2 基於規則的NLP算法 
2.2.3 基於統計的NLP算法 
2.2.4 基於深度學習的NLP算法 
2.3 NLP商業技術 
2.3.1 百度NLP技術 
2.3.2 科大訊飛的NLP技術 
2.3.3 騰訊的NLP技術 
2.4 小結 

第3章 掌握深度學習模型 
3.1 深度學習與人工智能 
3.1.1 機器學習定義 
3.1.2 機器學習評估標準 
3.2 深度學習模型的基礎知識 
3.2.1 NNLM模型 
3.2.2 Word2vec模型 
3.2.3 fastText模型 
3.2.4 TextCNN模型 
3.2.5 Seq2Seq模型 
3.3 深度學習模型進階知識 
3.3.1 基於Encoder-Decoder框架的註意力機制 
3.3.2 引入Attention機制的RNN模型 
3.3.3 Attention進階知識 
3.3.4 Transformer模型 
3.3.5 GPT模型 

第二篇 自然語言處理系統實戰篇 
第4章 NLP開源技術實戰 
4.1 NLP開發工具簡介與環境搭建 
4.1.1 Python 2和Python 3 
4.1.2 運行Python代碼片段 
4.1.3 在不同操作系統中搭建Python編程環境 
4.1.4 在Linux系統中搭建Python編程環境 
4.1.5 在Windows系統中搭建Python編程環境 
4.1.6 安裝Anaconda科學包 
4.2 掌握Visual Studio Code 源代碼編輯器 
4.2.1 VSCode 安裝與啟動 
4.2.2 為VSCode配置Python解析器 
4.2.3 使用VSCode運行Python代碼 
4.2.4 使用VSCode調試Python代碼 
4.3 開源社區GitHub的簡介與環境搭建 
4.3.1 GitHub Desktop安裝方法 
4.3.2 使用GitHub發布代碼倉庫 
4.3.3 使VSCode與GitHub協作 
4.4 jieba NLP技術實戰 
4.4.1 結巴(jieba)分詞簡介 
4.4.2 在VSCode中安裝jieba分詞工具 
4.4.3 在VSCode中調用jieba分詞的主要功能 
4.4.4 jieba分詞代碼詳解 
4.4.5 jieba自定義詞典實戰 
4.4.6 jieba詞性標註實戰 
4.5 jiagu NLP技術實戰 
4.5.1 甲骨(jiagu)分詞簡介 
4.5.2 jiagu安裝與入門實戰 
4.5.3 jiagu命名實體識別、文本摘要、知識圖譜、情感分析、文本聚類實戰 
4.6 斯坦福大學開源NLP實戰 
4.6.1 Stanza簡介與安裝 
4.6.2 通用依賴樹庫簡介與下載 
4.6.3 Stanza流水線自然語言處理實戰 
4.6.4 Stanza流水線與工序實戰 
4.6.5 詳解Stanza中的對象 
4.6.6 Stanza的依存句法分析實戰 
4.6.7 Graphviz&NetworkX依存句法圖形化實戰 
4.7 百度開源中文詞匯分析LAC 2.0實戰 
4.7.1 LAC 2.0簡介 
4.7.2 LAC 2.0 安裝與基礎功能實戰 
4.8 小結 
第5章 Python神經網絡計算實戰 
5.1 TensorFlow 
5.1.1 TensorFlow生態系統和社區資源 
5.1.2 TensorFlow 2.x的版本與特性 
5.2 CPU\GPU環境搭建 5
.2.1 TensorFlow的CPU環境搭建 
5.2.2 TensorFlow的GPU環境搭建 
5.3 Keras手寫識別實戰 
5.3.1 神經網絡輸入、輸出實戰 
5.3.2 神經網絡的結構定義 
5.3.3 經典神經網絡模型 
5.3.4 神經網絡評價函數 
5.3.5 運行神經網絡 
5.4 其他神經網絡工具包 
5.4.1 PyTorch簡介 
5.4.2 使用 PyTorch 編寫LSTM詞性識別實戰 
5.5 小結 

第6章 AI語音合成有聲小說實戰 
6.1 Python互聯網編程實戰 
6.1.1 Python的HTTP編程實戰 
6.1.2 Python的WebSocket編程實戰 
6.2 JSON數據結構原理與實戰 
6.2.1 JSON數據交換格式原理 
6.2.2 Python語言的JSON編程實戰 
6.3 AI語音合成實戰 
6.3.1 科大訊飛NLP服務 
6.3.2 AI語音合成有聲小說實戰 
6.3.3 NLP商業API的HTTP調用實戰 
第7章 玩轉詞向量 
7.1 詞向量原理 
7.1.1 詞向量技術的發展 
7.1.2 掌握開源詞向量技術 
7.1.3 詞向量下載 
7.2 詞向量數據結構優化 
7.2.1 掌握數據庫技術 
7.2.2 使用Pymssql操作數據庫 
7.2.3 詞向量入庫 
7.3 詞向量使用方法 
7.3.1 掌握數據庫的查詢方法 
7.3.2 使用Python操作數據庫查詢結果 
7.4 小結 
第8章 近義詞查詢系統實戰 
8.1 近義詞查詢系統原理 
8.1.1 近義詞向量相似度 
8.1.2 文本相似度 
8.2 中文詞語相似度計算 
8.2.1 詞向量相似度算法原理 
8.2.2 詞向量相似度算法實現 
8.3 近義詞系統實戰 
8.3.1 詞向量加載 
8.3.2 近義詞查詢 
8.3.3 相似度排序與效率優化 
8.4 小結 
第9章 機器翻譯系統實戰 
9.1 基於商業雲服務的機器翻譯實戰 
9.1.1 機器翻譯的歷史、商業前景及應用範圍 
9.1.2 Niutrans機器翻譯實戰 
9.2 深度神經網絡機器翻譯實戰 
9.2.1 深度學習數據集預處理實戰 
9.2.2 引入註意力機制的Encoder-Decoder深度神經網絡配置實戰 
9.2.3 引入註意力機制的Encoder-Decoder深度神經網絡訓練實戰 

第10章 文本情感分析系統實戰 
10.1 情緒認知理論 
10.1.1 情緒認知經典理論 
10.1.2 電腦情緒認知技術 
10.2 文本情感分析系統原理 
10.2.1 基於規則和統計的情感分析系統 
10.2.2 基於深度學習的情感分析系統 
10.3 基於規則文本情感分析系統實戰 
10.3.1 詞庫設計原理 
10.3.2 情緒分數計算 
10.4 基於深度學習的文本情感分析系統實戰 
10.4.1 LightGBM的安裝與簡介 
10.4.2 掌握LightGBM的使用方法 
10.4.3 Kaggle人工智能算法競賽平臺的使用方法 
10.4.4 使用LightGBM實現情感分析實戰 
10.4.5 Paddle EasyDL平臺ERNIE深度神經網絡訓練實戰 
10.4.6 EasyDL電商行業評論情緒分類系統部署 
10.5 小結 

第11章 電話銷售語義分析系統實戰 
11.1 掌握語音識別技術 
11.1.1 pyAudio錄音實戰 
11.1.2 阿裡語音識別技術實戰 
11.2 詞頻與相似度計算實戰 
11.2.1 詞頻計算 
11.2.2 相似度計算 
11.2.3 預計算與提速 
11.3 抽取用戶特徵實戰 
11.3.1 抽取客戶姓名、地址、工作單位 
11.3.2 抽取交易細節及通話文本訓練 
11.4 其他特徵的提取 
11.4.1 銷售意向分析實戰 
11.4.2 時間特徵提取實戰 
11.5 小結 

第12章 人工智能輔助寫作系統 
12.1 人工智能輔助寫作原理 
12.1.1 矩陣聯想算法原理 
12.1.2 矩陣聯想算法示例 
12.2 人工智能寫作實戰 
12.2.1 人工智能寫高考作文實戰 
12.2.2 使用人工智能提高人類聯想能力實戰 
12.3 人工智能聯想服務實戰 
12.3.1 人工智能聯想服務接口文檔 
12.3.2 使用Python調用人工智能聯想服務實戰