1. 不单纯介绍理论，还有编程语言实现。 2. 包括多种自然语言处理的应用任务。 3. 作者在此领域研究多年，有丰富的实践和理论经验。 4. 为读者提供qq群答疑、丰富配套资源等教学支持。
售 价：¥
纸质售价：¥55.10购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
扉页
版权页
目录
内容提要
前言
基础篇
第1章 自然语言处理实践基础
1.1 开发环境准备
1.1.1 Windows命令行cmd
1.1.2 在Windows下使用Java
1.1.3 Linux终端
1.1.4 在Linux下使用Java
1.1.5 Eclipse集成开发环境
1.2 技术基础
1.2.1 机器学习
1.2.2 Java基础
1.2.3 信息采集
1.2.4 文本挖掘
1.2.5 SWIG扩展Java性能
1.2.6 代码移植
1.2.7 语义
1.2.8 Hadoop分布式计算框架
1.3 专业术语
开发篇
第2章 中文分词原理与实现
2.1 接口
2.1.1 切分方案
2.1.2 词典格式
2.2 散列表最长匹配中文分词
2.2.1 算法实现
2.2.2 使用Ant构建分词jar包
2.2.3 使用Maven构建分词jar包
2.2.4 使用Gradle构建分词jar包
2.2.5 生成JavaDoc
2.3 查找词典算法
2.3.1 标准Trie树
2.3.2 三叉Trie树
2.4 Trie树最大长度匹配法
2.4.1 正向最大长度匹配法
2.4.2 逆向最大长度匹配法
2.4.3 有限状态机识别未登录串
2.5 概率语言模型的分词方法
2.5.1 一元模型
2.5.2 整合基于规则的方法
2.5.3 表示切分词图
2.5.4 形成切分词图
2.5.5 数据基础
2.5.6 改进一元模型
2.5.7 二元词典
2.5.8 完全二叉树组
2.5.9 三元词典
2.5.10 N元模型
2.5.11 N元分词
2.5.12 生成语言模型
2.5.13 评估语言模型
2.5.14 概率分词的流程与结构
2.5.15 可变长N元分词
2.5.16 条件随机场
2.6 新词发现
2.7 Android系统中文输入法
2.8 词性标注
2.8.1 数据基础
2.8.2 隐马尔可夫模型
2.8.3 存储数据
2.8.4 统计数据
2.8.5 整合切分与词性标注
2.8.6 大词表
2.8.7 词性序列
2.8.8 基于转换的学习方法
2.8.9 实现词性标注
2.9 词类模型
2.10 未登录词识别
2.10.1 未登录人名
2.10.2 提取候选人名
2.10.3 最长人名切分
2.10.4 一元概率人名切分
2.10.5 二元概率人名切分
2.10.6 未登录地名
2.10.7 未登录企业名
2.11 中文分词总体结构
2.12 平滑算法
2.12.1 最大熵
2.12.2 实现中文分词
2.13 地名切分
2.13.1 识别未登录地名
2.13.2 整体流程
2.14 企业名切分
2.14.1 识别未登录词
2.14.2 整体流程
2.15 结果评测
2.16 专业术语
第3章 语义分析
3.1 句法分析树
3.2 依存文法
3.2.1 中文依存文法
3.2.2 英文依存文法
3.2.3 生成依存文法树
3.2.4 机器学习的方法
3.3 依存语言模型
3.4 使用Java计算机语言的语义分析
3.5 专业术语
第4章 文章分析
4.1 分词
4.1.1 句子切分
4.1.2 识别未登录串
4.1.3 切分边界
4.2 词性标注
4.3 重点词汇提取
4.4 句子时态分析
4.5 专业术语
第5章 文档语义
5.1 相似度计算
5.1.1 夹角余弦
5.1.2 最长公共子串
5.1.3 同义词替换
5.1.4 地名相似度
5.1.5 企业名相似度
5.2 文档排重
5.2.1 关键词排重
5.2.2 语义指纹排重
5.2.3 分布式文档排重
5.2.4 使用文档排重
5.3 在搜索引擎中使用文档排重
5.4 专业术语
第6章 信息提取
6.1 指代消解
6.2 中文关键词提取
6.2.1 关键词提取的基本方法
6.2.2 HITS算法应用于关键词提取
6.2.3 从网页中提取关键词
6.3 信息提取
6.3.1 提取联系方式
6.3.2 从互联网提取信息
6.3.3 提取地名
6.4 拼写纠错
6.4.1 模糊匹配问题
6.4.2 正确词表
6.4.3 英文拼写检查
6.4.4 中文拼写检查
6.5 输入提示
6.6 专业术语
第7章 自动摘要
7.1 自动摘要技术
7.1.1 英文文本摘要
7.1.2 中文文本摘要
7.1.3 基于篇章结构的自动摘要
7.1.4 句子压缩
7.2 指代消解
7.3 多文档摘要
7.4 分布式部署
7.5 专业术语
第8章 文本分类
8.1 地名分类
8.2 文本模板分类
8.3 特征提取
8.4 线性分类器
8.4.1 关键词加权法
8.4.2 朴素贝叶斯
8.4.3 贝叶斯文本分类
8.4.4 支持向量机
8.4.5 多级分类
8.4.6 使用sklearn实现文本分类
8.4.7 规则方法
8.4.8 网页分类
8.5 FastText文本分类
8.5.1 词向量
8.5.2 JavaCPP包装Java接口
8.5.3 使用JFastText
8.6 最大熵分类器
8.7 文本聚类
8.7.1 K均值聚类算法
8.7.2 K均值聚类算法的实现
8.7.3 深入理解DBScan算法
8.7.4 使用DBScan算法聚类实例
8.8 持续集成
8.9 专业术语
第9章 文本倾向性分析
9.1 确定词语的褒贬倾向
9.2 实现情感识别
9.3 专业术语
系统篇
第10章 语音识别
10.1 总体结构
10.1.1 识别中文
10.1.2 自动问答
10.2 语音库
10.3 语音
10.3.1 标注语音
10.3.2 动态时间规整计算相似度
10.4 Sphinx语音识别
10.4.1 中文训练集
10.4.2 使用Sphinx4
10.4.3 ARPA文件格式
10.4.4 PocketSphinx语音识别引擎
10.5 说话人识别
10.6 专业术语
第11章 问答系统
11.1 问答系统的结构
11.1.1 提取问答对
11.1.2 等价问题
11.2 问句分析
11.2.1 问题类型
11.2.2 句型
11.2.3 业务类型
11.2.4 依存文法树
11.2.5 指代消解
11.2.6 二元关系
11.2.7 问句模板
11.2.8 结构化问句模板
11.2.9 检索方式
11.2.10 问题重写
11.2.11 提取事实
11.2.12 验证答案
11.3 知识库
11.4 AIML聊天机器人
11.4.1 交互式问答
11.4.2 垂直领域问答系统
11.4.3 语料库
11.4.4 客户端
11.5 自然语言生成
11.6 JavaFX开发界面
11.7 专业术语
第12章 机器翻译
12.1 使用机器翻译API
12.2 翻译日期
12.3 神经机器翻译
12.4 辅助机器翻译
12.5 机器翻译的评价
12.6 专业术语
参考文献
后记
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
