正版现货新书 Python自然语言处理 算法、技术及项目案例实战 微课视频版 9787302606628 （日）中本一郎、马冀、张积林、郭彦、庄伟卿、冯、江明、黄益

从2004年至今，出版教材的期望跨越了接近20年的时间。其间，经历了从工业界到教育界的转变，这样的双重经历与跨文化工作经验不断激励我积极反思与时俱进，如何撰写一部理论知识应用于实践的教材。
2017年中国国务院印发《新一代人工智能发展规划》，提出了面向2030年新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑国家人工智能发展的优势，加快建设创新型国家和世界科技强国。人才是强国的关键，大学高校专业分类众多，对于相关专业的学生，如何学好人工智能系列课程，成为当下教育改革关注的焦点之一。
本书以Python语言为对象，紧扣人工智能主题，选取的实战实例涵盖医学、商务等多个领域，通过基础知识讲解，逐步过渡到综合实例的应用。
建议本书的安排授课时间不少于48学时，其中理论授课不低于36学时，上机操作不低于12学时，每章后面提供的习题供学生总结章节主要内容和复习所学的知识，巩固掌握的操作技能。

本书由福建工程学院互联网经贸学院教师中本一郎主持编写，其他作者参与编写。中本一郎主持教材所有章节，包括第1~12章、附录A以及附录B的编著工作，金陵科技学院马冀和中本一郎参与了第1~12章的内容规划和修改，福建工程学院教师张积林、庄伟卿、郭彦、冯丽娟、江明和黄益等参与了第1~12章节的修订工作，全书由中本一郎负责统稿定稿。由于作者学识水平有限，教材难免有疏漏之处，敬请各位同仁和广大读者批评指正，提出宝贵意见。 

本书得以顺利出版，得到了互联网经贸学院庄伟卿院长、教务处张积林处长的殷切关怀与鼓励，特别鸣谢清华大学出版社各位编辑的倾力相助。

编者2021年12月

在大数据和智能社会不断发展的大背景下，如何培养人工智能应用型技术人才，日益成为社会各界关注的焦点。本书应此需求而作，系统分析了基于Python语言的自然语言处理相关基础理论、常用算法、基础技术以及实战实例应用。 本书内容紧密围绕自然语言处理，共可分为3篇（共12章）： 基础篇（第1～5章），重点介绍自然语言处理的基本概念、基本理论、常用算法以及基本技术，包括词处理、句法分析、文本向量化以及舆情分析和预测分析等； 过渡篇（第6章），重点分析深度学习的基本知识与基本理论，以及与自然语言处理的关系，同时通过实战实例介绍深度学习在自然语言处理领域的实际应用； 综合应用篇（第7～12章），基于各种智能应用开发技术和开发平台，介绍其在自然语言处理方面的实例，并具体讨论智能应用的部署方法和部署后的验证方法。全书各章提供了与本章主要内容配套的应用实例，每章后均附有复习习题。读者可以结合思维导图掌握教材的整体知识体系结构，参考附录的上机操作手册获得运行实例代码所需要的环境准备和环境设置相关知识。 本书可作为高等学校计算机类、人工智能类、商务类以及管理类专业的学生教材，也可供从事相关领域的专业技术开发人员和软件技术人员参考。

在大数据和智能社会不断发展的大背景下，如何培养人工智能应用型技术人才，日益成为社会各界关注的焦点。本书应此需求而作，系统分析了基于Python语言的自然语言处理相关基础理论、常用算法、基础技术以及实战实例应用。 本书内容紧密围绕自然语言处理，共可分为3篇（共12章）： 基础篇（第1～5章），重点介绍自然语言处理的基本概念、基本理论、常用算法以及基本技术，包括词处理、句法分析、文本向量化以及舆情分析和预测分析等； 过渡篇（第6章），重点分析深度学习的基本知识与基本理论，以及与自然语言处理的关系，同时通过实战实例介绍深度学习在自然语言处理领域的实际应用； 综合应用篇（第7～12章），基于各种智能应用开发技术和开发平台，介绍其在自然语言处理方面的实例，并具体讨论智能应用的部署方法和部署后的验证方法。全书各章提供了与本章主要内容配套的应用实例，每章后均附有复习习题。读者可以结合思维导图掌握教材的整体知识体系结构，参考附录的上机操作手册获得运行实例代码所需要的环境准备和环境设置相关知识。 本书可作为高等学校计算机类、人工智能类、商务类以及管理类专业的学生教材，也可供从事相关领域的专业技术开发人员和软件技术人员参考。

环境说明

基础篇

第1章自然语言处理概述

1.1自然语言处理

1.1.1自然语言处理主要研究对象

1.1.2自然语言处理分类

1.1.3自然语言处理面临的挑战

1.1.4自然语言处理重要术语

1.2自然语言处理发展历程

1.2.1概念形成阶段

1.2.2算法发展阶段

1.2.3规模创新阶段

1.3自然语言理解

1.4自然语言生成

1.5自然语言处理、人工智能与数据挖掘

1.6文本相似度实例

小结

关键术语

习题

第2章词处理

2.1分词和停顿

2.1.1分词

2.1.2停顿

2.2正则表达式

2.3规则分词

2.3.1正向匹配法

2.3.2逆向匹配法

2.3.3双向匹配法

2.4统计分词

2.4.1隐马尔可夫模型

2.4.2维特比算法

2.4.3条件随机场模型

2.5混合分词

2.6关键词提取

2.6.1无监督关键词提取

2.6.2有监督关键词提取

2.7词性标注

2.8命名实体识别

小结

关键术语

习题

第3章句法分析

3.1句法分析概述

3.1.1句法分析概要

3.1.2句法树

3.1.3常用句法分析相关数据集简介

3.2句法分析方法

3.3神经网络句法分析

3.4句法分析算法

3.5句法分析工具

3.6斯坦福句法分析实例

小结

关键术语

习题

第4章文本向量化

4.1文本向量化简介

4.1.1文本向量化概述

4.1.2文本向量化常见模型

4.2文本向量化实例

4.2.1案例实现步骤

4.2.2案例总结

小结

关键术语

习题

第5章舆情分析和预测分析

5.1舆情分析概述

5.1.1舆情分析研究对象

5.1.2情感分析方法

5.2预测分析概述

5.3电影评论情感分析实例

5.4用户罹患癌症预测实例

小结

关键术语

习题

过渡篇

第6章深度学习与自然语言处理

6.1深度学习

6.1.1深度学习概述

6.1.2神经元模型

6.1.3激活函数

6.1.4梯度下降法

6.2卷积神经网络

6.3循环神经网络

6.3.1循环神经网络概述

6.3.2长短时记忆网络

6.4深度信念网络

6.5深度学习常用算法简介

6.5.1生成对抗网络

6.5.2自编码网络

6.5.3增强学习

6.5.4多层感知机

6.5.5自组织映射神经网络

6.5.6径向基函数网络

6.5.7反向传播算法

6.5.8连接时序分类

6.6深度学习平台简介

6.6.1谷歌深度学习平台

6.6.2百度深度学习平台

6.6.3阿里云深度学习平台

6.6.4腾讯云深度学习平台

6.7基于深度学习的手写字体识别实例

6.7.1案例说明

6.7.2案例素材准备

6.7.3案例实现步骤

6.7.4案例实现效果

6.7.5案例总结

小结

关键术语

习题

综合应用篇

第7章商务智能客服

7.1自然语言处理与商务智能

7.2商务智能应用开发常用库简介

7.2.1Gensim

7.2.2NLTK

7.2.3SpaCy

7.2.4TensorFlow

7.2.5PyTorch

7.2.6Theano

7.2.7Keras 

7.3充实商务智能客服的情感 

7.4商务智能未来发展趋势

7.5商务智能实战： 聊天客服

7.5.1案例说明

7.5.2案例实现步骤

小结

关键术语

习题

第8章对话流商务智能

8.1商务智能客服功能结构

8.2商务智能客服设计要素

8.3对话流概述

8.3.1对话流框架

8.3.2对话流基本概念

8.3.3对话流框架图

8.4商务智能客服案例

8.4.1自动身份验证客服

8.4.2基于图像、人脸和文字识别的客服

8.4.3导航客服

8.5基于对话流的商务智能客服实战

小结

关键术语

习题

第9章问答智能客服

9.1问答智能客服功能架构

9.1.1问答智能客服简介

9.1.2智能问答客服功能架构

9.2智能问答客服框架

9.2.1问题处理

9.2.2问题映射

9.2.3查询构建

9.2.4知识推理

9.2.5消歧排序

9.3问答智能客服实战

9.3.1基于远程交互模式问答客服

9.3.2基于本地交互模式问答客服

9.3.3基于定制型问答客服实例

小结

关键术语

习题

第10章张量流商务智能

10.1序列序列机制

10.1.1序列序列机制概述

10.1.2注意力机制

10.2集束搜索概述

10.3智能客服开发流程

10.3.1智能客服的主要功能

10.3.2智能客服设计

10.4张量流商务智能实战

10.4.1张量流概念简介

10.4.2优化算法

10.4.3损失计算

10.4.4模型评估

10.4.5向量嵌入

10.4.6神经网络

10.4.7中文语料处理

10.4.8实现步骤

小结

关键术语

习题

第11章Rasa商务智能

11.1Rasa NLU概述

11.1.1Rasa框架

11.1.2Rasa NLU

11.2数据准备

11.3模型训练

11.4Rasa Core概述

11.5交互式学习

11.6Rasa商务智能应用测试

小结

关键术语

习题

第12章商务智能应用部署

12.1商务智能应用技术简介

12.1.1HTML基础

12.1.2CSS基础

12.1.3Bootstrap基础

12.1.4JavaScript基础

12.1.5jQuery 基础

12.1.6AJAX 基础

12.2部署商务智能应用

12.2.1部署流程型商务智能应用

12.2.2部署训练型商务智能应用

12.3商务智能应用部署后验证

12.3.1基于流程型部署验证

12.3.2基于训练型部署验证

小结

关键术语

习题

附录A学生上机手册

A.1Python安装

A.2PyCharm安装

A.3PyCharm环境配置

A.4实例上机操作步骤

参考文献

在大数据和智能社会不断发展的大背景下，如何培养人工智能应用型技术人才，日益成为社会各界关注的焦点。本书应此需求而作，系统分析了基于Python语言的自然语言处理相关基础理论、常用算法、基础技术以及实战实例应用。 本书内容紧密围绕自然语言处理，共可分为3篇（共12章）： 基础篇（第1～5章），重点介绍自然语言处理的基本概念、基本理论、常用算法以及基本技术，包括词处理、句法分析、文本向量化以及舆情分析和预测分析等； 过渡篇（第6章），重点分析深度学习的基本知识与基本理论，以及与自然语言处理的关系，同时通过实战实例介绍深度学习在自然语言处理领域的实际应用； 综合应用篇（第7～12章），基于各种智能应用开发技术和开发平台，介绍其在自然语言处理方面的实例，并具体讨论智能应用的部署方法和部署后的验证方法。全书各章提供了与本章主要内容配套的应用实例，每章后均附有复习习题。读者可以结合思维导图掌握教材的整体知识体系结构，参考附录的上机操作手册获得运行实例代码所需要的环境准备和环境设置相关知识。 本书可作为高等学校计算机类、人工智能类、商务类以及管理类专业的学生教材，也可供从事相关领域的专业技术开发人员和软件技术人员参考。

2017年中国国务院印发《新一代人工智能发展规划》，提出了面向2030年新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑国家人工智能发展的优势，加快建设创新型国家和世界科技强国。人才是强国的关键，大学高校专业分类众多，对于相关专业的学生，如何学好人工智能系列课程，成为了当下教育改革关注的焦点之一。 

本教材以Python语言为对象，紧扣人工智能主题，选举的实战实例涵盖医学、商务等多个领域，通过基础知识讲解，逐步过渡到综合实例的应用。