【现货！】自然语言处理理论与实战 唐聃等 著 电子工业出版社
二手会有少量涂画，整体不影响再次阅读使用！套装不一定齐全，请下单前咨询在线客服！
￥ 6.3 0.8折 ￥ 79 八五品
仅1件
作者唐聃等 著
出版社电子工业出版社
ISBN9787121343902
出版时间2018-07
版次1
装帧平装
开本16开
纸张胶版纸
页数360页
字数99999千字
定价79元
货号9787121343902
上书时间2024-12-13
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：八五品
- 商品描述
-
基本信息
书名:自然语言处理理论与实战
定价：79.00元
作者:唐聃等 著
出版社：电子工业出版社
出版日期：2018-07-01
ISBN：9787121343902
字数：432000
页码：360
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
基础部分 n介绍在自然语言交叉学科中，工程应用常用的学科知识，包括自然语言处理概述、Pytho基础知识和环境搭建、线性代数、概率论、统计学、语言学。 n理论部分 n介绍自然语言处理常用的理论知识，包括自然语言处理任务限制、技术范畴、语料库、中文自动分词、数据预处理、马尔可夫模型、条件随机场、模型评估和命名实体识别。 n实战部分 n通过GitHub 数据提取与可视化分析、微博话题爬取与存储分析，综合介绍网络爬虫、中文分词、数据处理、模型选择、数据分析、自然语言处理工具和数据可视化等技术点。
目录
章基础入门1.1什么是自然语言处理1.1.1自然语言处理概述1.1.2自然语言处理的发展历史1.1.3自然语言处理的工作原理1.1.4自然语言处理的应用前景1.2开发工具与环境1.2.1SublimeText和Anaconda介绍1.2.2开发环境的安装与配置1.3实战：个小程序的诞生1.3.1实例介绍1.3.2源码实现第2章快速上手Python2.1初识Python编程语言2.1.1Python概述2.1.2Python能做什么2.1.3Python的语法和特点2.2Python进阶2.2.1HelloWorld2.2.2语句和控制流2.2.3函数2.2.4List列表2.2.5元组2.2.6set集合2.2.7字典2.2.8面向对象编程：类2.2.9标准库2.3Python深入——第三方库2.3.1Web框架2.3.2科学计算2.3.3GUI2.3.4其他库第3章线性代数3.1线性代数介绍3.2向量3.2.1向量定义3.2.2向量表示3.2.3向量定理3.2.4向量运算3.3矩阵3.3.1矩阵定义3.3.2矩阵表示3.3.3矩阵运算3.3.4线性方程组3.3.5行列式3.3.6特征值和特征向量3.4距离计算3.4.1余弦距离3.4.2欧氏距离3.4.3曼哈顿距离3.4.4明可夫斯基距离3.4.5切比雪夫距离3.4.6杰卡德距离3.4.7汉明距离3.4.8标准化欧式距离3.4.9皮尔逊相关系数第4章概率论4.1概率论介绍4.2事件4.2.1随机试验4.2.2随机事件和样本空间4.2.3事件的计算4.3概率4.4概率公理4.5条件概率和全概率4.5.1条件概率4.5.2全概率4.6贝叶斯定理4.7信息论4.7.1信息论的基本概念4.7.2信息度量第5章统计学5.1图形可视化5.1.1饼图5.1.2条形图5.1.3热力图5.1.4折线图5.1.5箱线图5.1.6散点图5.1.7雷达图5.1.8仪表盘5.1.9可视化图表用法5.2数据度量标准5.2.1平均值5.2.2中位数5.2.3众数5.2.4期望5.2.5方差5.2.6标准差5.2.7标准分5.3概率分布5.3.1几何分布5.3.2二项分布5.3.3正态分布5.3.4泊松分布5.4统计假设检验5.5相关和回归5.5.1相关5.5.2回归5.5.3相关和回归的联系第6章语言学6.1语音6.1.1什么是语音6.1.2语音的三大属性6.1.3语音单位6.1.4记音符号6.1.5共时语流音变6.2词汇6.2.1什么是词汇6.2.2词汇单位6.2.3词的构造6.2.4词义及其分类6.2.5义项与义素6.2.6语义场6.2.7词汇的构成6.3语法6.3.1什么是语法6.3.2词类6.3.3短语6.3.4单句6.3.5复句第7章自然语言处理7.1自然语言处理的任务和限制7.2自然语言处理的主要技术范畴7.2.1语音合成7.2.2语音识别7.2.3中文自动分词7.2.4词性标注7.2.5句法分析7.2.6文本分类7.2.7文本挖掘7.2.8信息抽取7.2.9问答系统7.2.10机器翻译7.2.11文本情感分析7.2.12自动摘要7.2.13文字蕴涵7.3自然语言处理的难点7.3.1语言环境复杂7.3.2文本结构形式多样7.3.3边界识别限制7.3.4词义消歧7.3.5指代消解7.4自然语言处理展望第8章语料库8.1语料库浅谈8.2语料库深入8.3自然语言处理工具包：NLTK8.3.1NLTK简介8.3.2安装NLTK8.3.3使用NLTK8.3.4在PythonNLTK下使用StanfordNLP8.4获取语料库8.4.1国内外语料库8.4.2网络数据获取8.4.3NLTK获取语料库8.5综合案例：走进大秦帝国8.5.1数据采集和预处理8.5.2构建本地语料库8.5.3大秦帝国语料操作第9章中文自动分词9.1中文分词简介9.2中文分词的特点和难点9.3常见中文分词方法9.4典型中文分词工具9.4.1HanLP中文分词9.4.2其他中文分词工具9.5结巴中文分词9.5.1基于Python的结巴中文分词9.5.2结巴分词工具详解9.5.3结巴分词核心内容9.5.4结巴分词基本用法0章数据预处理10.1数据清洗10.2分词处理10.3特征构造10.4特征降维与选择10.4.1特征降维10.4.2特征选择10.5简单实例10.6本章小结1章马尔可夫模型11.1马尔可夫链11.1.1马尔可夫简介11.1.2马尔可夫链的基本概念11.2隐马尔可夫模型11.2.1形式化描述11.2.2数学形式描述11.3向前算法解决HMM似然度11.3.1向前算法定义11.3.2向前算法原理11.3.3现实应用：预测成都天气的冷热11.4文本序列标注案例：Viterbi算法2章条件随机场12.1条件随机场介绍12.2简单易懂的条件随机场12.2.1CRF的形式化表示12.2.2CRF的公式化表示12.2.3深度理解条件随机场3章模型评估13.1从统计角度介绍模型概念13.1.1算法模型13.1.2模型评估和模型选择13.1.3过拟合与欠拟合的模型选择13.2模型评估与选择13.2.1模型评估的概念13.2.2模型评估的评测指标13.2.3以词性标注为例分析模型评估13.2.4模型评估的几种方法13.3ROC曲线比较学习器模型4章命名实体识别14.1命名实体识别概述14.2命名实体识别的特点与难点14.3命名实体识别方法14.4中文命名实体识别的核心技术14.5展望5章自然语言处理实战15.1GitHub数据提取与可视化分析15.1.1了解GitHub的API15.1.2使用NetworkX作图15.1.3使用NetworkX构建兴趣图15.1.4NetWorkX部分统计指标15.1.5构建GitHub的兴趣图15.1.6可视化15.2微博话题爬取与存储分析15.2.1数据采集15.2.2数据提取15.2.3数据存储15.2.4项目运行与分析附录APython与其他语言调用附录BGit项目上传简易教程参考文献
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价