• JAVA自然语言处理
21年品牌 40万+商家 超1.5亿件商品

JAVA自然语言处理

正版新书 新华官方库房直发 可开电子发票

39.53 6.7折 59 全新

库存2件

江苏南京
认证卖家担保交易快速发货售后保障

作者(美)理查德M.里斯

出版社机械工业出版社

ISBN9787111592112

出版时间2018-03

版次1

装帧其他

开本其他

纸张胶版纸

页数193页

字数0.122千字

定价59元

货号SC:9787111592112

上书时间2024-07-08

问典书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
全新正版 提供发票
商品描述
作者简介:
Richard M. Reese曾就职于学术界和工业界。他曾在电信和航天工业领域工作17年,期间曾担任研发、软件开发、监督和培训等多个职位。他目前任教于塔尔顿州立大学,运用他多年来积累的行业经验来完善他的课程。 
    Richard曾出版过关于Java和C的书籍,他使用简洁易用的方法讨论主题,这些书籍包括《EJB 3.1 Cookbook》,有关Java 7和Java 8的新功能、Java认证以及jMonkey引擎,以及一本关于C指针的书。
精彩内容:
PREFACE前    言自然语言处理(NLP)已用于解决各种各样的问题,包括对搜索引擎的支持,对网页文本的总结与分类,以及结合机器学习技术解决诸如语音识别、查询分析等问题。它已经在任何包含有用信息的文件中使用。    NLP用于增强应用程序的实用性和功能,主要通过简化用户输入以及将文本转换成更加可用的形式来实现。实际上,NLP能够处理各种来源的文本,使用一系列核心NLP任务从文本中转化或提取信息。    本书重点介绍NLP应用中可能遇到的核心NLP任务,每个NLP任务都从问题的描述以及可应用领域开始。介绍每项任务中比较困难的问题,以便你能更好地理解问题。随后通过使用大量的Java技术和API来支持NLP任务。    本书涵盖内容第1章解释了NLP的重要性和用法。本章以简单的例子来解释如何使用NLP技术。    第2章主要讨论标记化,标记化是使用更为优选的NLP技术的第一步,本章介绍了核心Java和Java NLP标记化API。    第3章证明句子边界消歧技术是一个重要的NLP任务。这一步是其他许多下游NLP任务的预处理步骤,其中文本元素不应跨越句子边界进行分隔。这样就可以确保所有短语都在一个句子中,并支持词性分析。    第4章涵盖了通常所说的命名实体识别。这个任务主要涉及识别人、地点和文本中相似的实体。该技术是处理查询和搜索的初始步骤。    第5章说明如何检测词性,词性是文本中的语法元素,例如名词和动词。识别这些元素是确定文本含义和检测文本内关系的重要步骤。    第6章证明文本分类对于垃圾邮件检测和情感分析等任务非常有用。此外,本章也对支持文本分类的NLP技术进行了调查和说明。    第7章演示解析树。解析树可应用于很多目的,其中包括信息提取。信息提取拥有这些元素之间关系的信息。通过一个实现简单查询的例子来说明这个过程。  
...
内容简介:
自然语言处理(NLP)是应用程序开发的重要领域,在解决实际问题中起着越来越重要的作用。NLP任务支持的自然语言可访问应用程序需求显著增。本书将探索如何使用诸如全文本搜索、专有名称识别、聚类、标记、信息提取、汇总等方法自主组织文本。书中涵盖了NLP的概念,即使没有统计或自然语言处理背景的人也可以理解它。
目录:
CONTENTS目    录译者序作者简介审校者简介前言第1章  NLP简介  11.1  什么是NLP  21.2  为何使用NLP  31.3  NLP的难点  41.4  NLP工具汇总  51.4.1  Apache OpenNLP  61.4.2  Stanford NLP  71.4.3  LingPipe  91.4.4  GATE  101.4.5  UIMA  101.5  文本处理概览  101.5.1  文本分词  111.5.2  文本断句  121.5.3  人物识别  141.5.4  词性判断  161.5.5  文本分类  171.5.6  关系提取  181.5.7  方法组合  201.6  理解NLP模型  201.6.1  明确目标  201.6.2  选择模型  211.6.3  构建、训练模型  211.6.4  验证模型  221.6.5  使用模型  221.7  准备数据  221.8  本章小结  24第2章  文本分词  252.1  理解文本分词  252.2  什么是分词  262.3  
...

—  没有更多了  —

以下为对购买帮助不大的评价

全新正版 提供发票
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP