图书介绍

自然语言处理Python进阶【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

自然语言处理Python进阶
  • (印)克里希纳·巴夫萨(Krishna Bhavsar),(印)纳雷什·库马尔(Naresh Kumar),(印)普拉塔普·丹蒂(Pratap Dangeti)著 著
  • 出版社: 北京:机械工业出版社
  • ISBN:9787111616436
  • 出版时间:2019
  • 标注页数:207页
  • 文件大小:19MB
  • 文件页数:221页
  • 主题词:软件工具-程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

自然语言处理Python进阶PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 语料库和WordNet1

1.1引言1

1.2访问内置语料库1

1.3下载外部语料库,加载并访问3

1.4计算布朗语料库中三种不同类别的特殊疑问词5

1.5探讨网络文本和聊天文本的词频分布7

1.6使用WordNet进行词义消歧9

1.7选择两个不同的同义词集,使用WordNet探讨上位词和下位词的概念12

1.8基于WordNet计算名词、动词、形容词和副词的平均多义性15

第2章 针对原始文本,获取源数据和规范化17

2.1引言17

2.2字符串操作的重要性17

2.3深入实践字符串操作19

2.4在Python中读取PDF文件21

2.5在Python中读取Word文件23

2.6使用PDF、DOCX和纯文本文件,创建用户自定义的语料库26

2.7读取RSS信息源的内容29

2.8使用BeautifulSoup解析HTML31

第3章 预处理34

3.1引言34

3.2分词——学习使用NLTK内置的分词器34

3.3词干提取——学习使用NLTK内置的词干提取器36

3.4词形还原——学习使用NLTK中的WordnetLemmatizer函数38

3.5停用词——学习使用停用词语料库及其应用40

3.6编辑距离——编写计算两个字符串之间编辑距离的算法42

3.7处理两篇短文并提取共有词汇44

第4章 正则表达式50

4.1引言50

4.2正则表达式——学习使用*、+和?50

4.3正则表达式——学习使用$和^,以及如何在单词内部(非开头与结尾处)进行模式匹配52

4.4匹配多个字符串和子字符串54

4.5学习创建日期正则表达式和一组字符集合或字符范围56

4.6查找句子中所有长度为5的单词,并进行缩写58

4.7学习编写基于正则表达式的分词器59

4.8学习编写基于正则表达式的词干提取器60

第5章 词性标注和文法63

5.1引言63

5.2使用内置的词性标注器63

5.3编写你的词性标注器65

5.4训练你的词性标注器70

5.5学习编写你的文法73

5.6编写基于概率的上下文无关文法76

5.7编写递归的上下文无关文法79

第6章 分块、句法分析、依存分析82

6.1引言82

6.2使用内置的分块器82

6.3编写你的简单分块器84

6.4训练分块器87

6.5递归下降句法分析90

6.6 shift-reduce句法分析93

6.7依存句法分析和主观依存分析95

6.8线图句法分析97

第7章 信息抽取和文本分类101

7.1引言101

7.2使用内置的命名实体识别工具102

7.3创建字典、逆序字典和使用字典104

7.4特征集合选择109

7.5利用分类器分割句子113

7.6文本分类116

7.7利用上下文进行词性标注120

第8章 高阶自然语言处理实践124

8.1引言124

8.2创建一条自然语言处理管道124

8.3解决文本相似度问题131

8.4主题识别136

8.5文本摘要140

8.6指代消解143

8.7词义消歧147

8.8情感分析150

8.9高阶情感分析153

8.10创建一个对话助手或聊天机器人157

第9章 深度学习在自然语言处理中的应用163

9.1引言163

9.2利用深度神经网络对电子邮件进行分类168

9.3使用一维卷积网络进行IMDB情感分类175

9.4基于双向LSTM的IMDB情感分类模型179

9.5利用词向量实现高维词在二维空间的可视化183

第10章 深度学习在自然语言处理中的高级应用188

10.1引言188

10.2基于莎士比亚的著作使用LSTM技术自动生成文本188

10.3基于记忆网络的情景数据问答193

10.4使用循环神经网络LSTM进行语言建模以预测最优词199

10.5使用循环神经网络LSTM构建生成式聊天机器人203

热门推荐