Python 自然語言處理與開發

第1章 Python自然語言處理技術基礎
1.1 體驗自然語言處理技術
1.2 Linux基礎
1.2.1 常用命令
1.2.2 Micro編輯器
1.3 開發環境
1.4 變量
1.5 註釋
1.6 簡單數據類型
1.6.1 數值
1.6.2 字符串
1.6.3 數組
1.7 字面值
1.8 控制流
1.8.1 if語句
1.8.2 循環
1.9 列表
1.10 元組
1.11 集合
1.12 字典
1.13 位數組
1.14 模塊
1.15 函數
1.15.1 print函數
1.15.2 定義函數
1.16 面向對象編程
1.17 文件操作
1.17.1 讀寫文件
1.17.2 重命名文件
1.17.3 遍歷文件
1.18 疊代器
1.18.1 zip函數
1.18.2 itertools模塊
1.19 數據庫
1.20 讀取Excel文件
1.21 pytest單元測試
1.22 異常處理
1.23 日誌
1.24 Flask Web框架
1.25 本章小結
第2章 中文分詞原理與實現
2.1 切分方案
2.2 查找詞典算法
2.2.1 標準檢索樹
2.2.2 三叉檢索樹
2.3 最長匹配中文分詞
2.3.1 正向最大長度匹配法
2.3.2 逆向最大長度匹配法
2.4 概率語言模型的分詞方法
2.4.1 一元模型
2.4.2 數據基礎
2.4.3 二元詞典
2.4.4 用二元連接改進一元模型
2.4.5 N元模型
2.4.6 N元分詞
2.4.7 生成語言模型
2.4.8 評估語言模型
2.4.9 有限狀態機識別未登錄串
2.4.10 概率分詞的流程與結構
2.5 詞性標註
2.5.1 數據基礎
2.5.2 隱馬爾可夫模型
2.5.3 存儲數據
2.5.4 整合切分與詞性標註
2.5.5 基於轉換的錯誤學習方法
2.6 詞類模型
2.7 命名實體識別
2.7.1 人名識別
2.7.2 地名識別
2.8 地名切分
2.8.1 識別未登錄地名
2.8.2 整體流程
2.9 結果評測
2.10 本章小結
第3章 文檔分析
3.1 自動校對
3.1.1 讀取Word文檔
3.1.2 ARPA文件格式
3.1.3 使用KenLM語言模型工具包
3.1.4 拼寫糾錯
3.1.5 模糊匹配問題
3.1.6 正確詞表
3.1.7 英文拼寫檢查
3.1.8 中文拼寫檢查
3.2 句子結構分析
3.2.1 句法分析樹
3.2.2 依存文法
3.2.3 中文依存文法
3.2.4 英文依存文法
3.2.5 機器學習的方法
3.3 本章小結
第4章 文檔排重
4.1 相似度計算
4.1.1 夾角余弦
4.1.2 最長公共子串
4.1.3 同義詞替換
4.2 SimHash文檔排重
4.3 本章小結
第5章 信息提取
5.1 指代消解
5.2 關鍵詞提取
5.2.1 關鍵詞提取的TF-IDF算法
5.2.2 textrank算法
5.2.3 從網頁中提取關鍵詞
5.3 從互聯網提取信息
5.4 從日期字符串提取信息
5.5 本章小結
第6章 自動摘要
6.1 自動摘要技術
6.1.1 英文文本摘要
6.1.2 中文文本摘要
6.1.3 基於篇章結構的自動摘要
6.1.4 句子壓縮
6.2 評測
6.3 本章小結
第7章 文本分類
7.1 樸素貝葉斯
7.2 TensorFlow實現文本分類
7.3 本章小結
第8章 情感分析
8.1 情感詞
8.1.1 確定詞語的褒貶傾向
8.1.2 匹配情感詞
8.2 情感識別
8.3 本章小結
第9章 語音識別
9.1 語音信號處理
9.1.1 WAV文件格式
9.1.2 語音活動檢測
9.2 JSGF語言模型
9.3 DeepSpeech語音識別引擎
9.4 強制對齊
9.5 本章小結
第10章 開發聊天機器人
10.1 問答系統
10.1.1 問句類型
10.1.2 答案提取
10.2 AIML聊天機器人
10.3 意圖
10.4 使用DeepPavlov構建對話系統
10.5 本章小結
第11章 機器翻譯
11.1 語言檢測
11.2 信道模型
11.3 詞表
11.4 詞義消歧
11.5 詞對齊
11.6 神經網絡機器翻譯
11.7 機器翻譯的評價
11.8 本章小結
後記
參考文獻
參考網址