Python文本分析 ( 簡體 字) |
| 作者：〔印度〕迪潘簡·撒卡爾（Dipanjan Sarkar）著 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 48913
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：4/1/2018 |
| 頁數：270 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111593249 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：從高中開始接觸數學和統計學以來，我就一直對數字著迷。分析學（analytics）、數據科學以及最近的文本分析技術均出現較晚，大概是在幾年前，當時關于大數據（big data）和數據分析的炒作越來越猛烈，甚至有些瘋狂。就個人而言，我認為其中很多都是過度炒作，但是也有一些令人興奮的東西，因為這些技術在新工作、新發現以及解決人們先前認為不可能解決的問題方面展現了巨大的可能性。
自然語言處理（Natural Language Processing，NLP）一直深深吸引著我，因為人腦科學和人類認知能力確實令人著迷。如果嘗試在機器中重塑這種傳遞信息、復雜思維和情緒的能力，那一定是令人驚喜的。當然，盡管我們在認知計算（cognitive computing）和人工智能（Artificial Intelligence，AI）方面的發展突飛猛進，但現在尚且無法實現這一點。僅通過圖靈測試可能是不夠的，機器真正能復制人的方方面面嗎？
當今，對于NLP和文本分析應用，迫切需求從非結構化、原始文本數據中提取有用信息和可行見解的能力。到目前為止，我一直在努力解決各種問題，面臨諸多挑戰，并隨著時間的推移吸取了各種各樣的經驗教訓。本書涵蓋了我在文本分析領域學到的大部分知識，僅僅從一堆文本文檔中建立一個花哨的詞云是不夠的。
在學習文本分析方面，最大的問題或許不是信息缺乏，而是信息過多，通常這稱為信息過載（information overload）。海量的資源、文檔、論文、書籍和期刊包含了大量的理論資料、概念、技術和算法，它們常常使該領域的新手不知所措。解決問題的正確技術是什么？文本摘要如何真正有效？哪些才是解決多類文本分類的最佳框架？通過將數學和理論概念與現實用例的Python實現相結合，本書嘗試解決這個問題，并幫助讀者避免迄今為止我所遇到的一些急迫問題。
本書采用了全面的和結構化的介紹方法。首先，它在前幾章中介紹了自然語言理解和Python結構的基礎知識。熟悉了基礎知識之后，其余章節將解決文本分析中的一些有趣問題，包括文本分類、聚類、相似性分析、文本摘要和主題模型。本書還將分析文本的結構、語義、情感和觀點。對于每個主題，將介紹基本概念，并使用一些現實世界中的場景和數據來實現涵蓋每個概念的技術。本書的構想是呈現一幅文本分析和NLP的藍海，并提供必要的工具、技術和知識以處理和解決工作中遇到的問題。我希望你能覺得本書很有幫助，并祝你在文本分析的世界中旅途愉快！ |
內容簡介：面對自然語言處理和文本分析應用，解決問題的正確技術是什么？文本摘要如何真正有效？哪些才是解決多類文本分類的最佳框架？本書通過將數學和理論概念與現實用例的Python實現相結合，全面介紹文本分析的相關概念、技術、工具及實踐，幫助你快速掌握文本分析技術，解決實際問題。
本書首先介紹與文本分析相關的自然語言基本概念以及Python語言特點、特性和常用功能，然后結合示例代碼詳細闡述文本理解與處理、文本分類、文本摘要、文本相似性與聚類、語義與情感分析等內容。通過本書，你可以全面掌握文本分析的基礎技術和機器學習的一些經典方法，包括SVM、貝葉斯分類器、k均值距離、層次聚類等，為進一步的學習和研究奠定基礎。
使用Python從數據中發掘有用的洞見，了解自然語言處理和文本分析相關的技術，理解和獲得解決特定問題的最佳技能。
本書全方位講解文本、語言語法、結構和語義等基本概念和高級概念，并詳細闡釋文本分類、聚類、主題建模和文本摘要等算法和技術。
本書遵循結構化和綜合性的講解方式，即使缺少相關經驗，你也不會感到茫然無措。從自然語言和Python的基礎知識開始，進而介紹先進的分析理念和機器學習概念。你將了解每種技術和算法的概況，理解它們如何使用，同時從微觀視角理解相關數學概念并應用它們來解決現實問題。
本書特色:
全面介紹自然語言處理（NLP）和文本分析的主要概念與技術。
包含豐富的真實案例實現技術，例如，構建分類新聞文章的文本分類系統，使用主題建模和文本摘要分析app或游戲評論，進行熱門電影概要的聚類分析和電影評論的情感分析。
介紹基于Python及一些流行NLP和文本分析開源庫（如自然語言工具包（nltk）、gensim、scikit-learn、spaCy和Pattern）的實現。 |
目錄：譯者序
前言
第1章自然語言基礎
1杄1自然語言
1杄1杄1什么是自然語言
1杄1杄2語言哲學
1杄1杄3語言習得和用法
1杄2語言學
1杄3語言句法和結構
1杄3杄1詞
1杄3杄2短語
1杄3杄3從句
1杄3杄4語法
1杄3杄5語序類型學
1杄4語言語義
1杄4杄1詞匯語義關系
1杄4杄2語義網絡和模型
1杄4杄3語義表示
1杄5文本語料庫
1杄5杄1文本語料庫標注及使用
1杄5杄2熱門的語料庫
1杄5杄3訪問文本語料庫
1杄6自然語言處理
1杄6杄1機器翻譯
1杄6杄2語音識別系統
1杄6杄3問答系統
1杄6杄4語境識別與消解
1杄6杄5文本摘要
1杄6杄6文本分類
1杄7文本分析
1杄8小結
第2章Python語言回顧
2杄1了解Python
2杄1杄1Python之禪
2杄1杄2應用：何時使用Python
2杄1杄3缺點：何時不用Python
2杄1杄4Python實現和版本
2杄2安裝和設置
2杄2杄1用哪個Python版本
2杄2杄2用哪個操作系統
2杄2杄3集成開發環境
2杄2杄4環境設置
2杄2杄5虛擬環境
2杄3Python句法和結構
2杄4數據結構和類型
2杄4杄1數值類型
2杄4杄2字符串
2杄4杄3列表
2杄4杄4集合
2杄4杄5字典
2杄4杄6元組
2杄4杄7文件
2杄4杄8雜項
2杄5控制代碼流
2杄5杄1條件結構
2杄5杄2循環結構
2杄5杄3處理異常
2杄6函數編程
2杄6杄1函數
2杄6杄2遞歸函數
2杄6杄3匿名函數
2杄6杄4迭代器
2杄6杄5分析器
2杄6杄6生成器
2杄6杄7itertools和functools模塊
2杄7類
2杄8使用文本
2杄8杄1字符串文字
2杄8杄2字符串操作和方法
2杄9文本分析框架
2杄10小結
第3章處理和理解文本
3杄1文本切分
3杄1杄1句子切分
3杄1杄2詞語切分
3杄2文本規范化
3杄2杄1文本清洗
3杄2杄2文本切分
3杄2杄3刪除特殊字符
3杄2杄4擴展縮寫詞
3杄2杄5大小寫轉換
3杄2杄6刪除停用詞
3杄2杄7詞語校正
3杄2杄8詞干提取
3杄2杄9詞形還原
3杄3理解文本句法和結構
3杄3杄1安裝必要的依賴項
3杄3杄2機器學習重要概念
3杄3杄3詞性標注
3杄3杄4淺層分析
3杄3杄5基于依存關系的分析
3杄3杄6基于成分結構的分析
3杄4小結
第4章文本分類
4杄1什么是文本分類
4杄2自動文本分類
4杄3文本分類的藍圖
4杄4文本規范化處理
4杄5特征提取
4杄5杄1詞袋模型
4杄5杄2TF拟IDF模型
4杄5杄3高級詞向量模型
4杄6分類算法
4杄6杄1多項式樸素貝葉斯
4杄6杄2支持向量機
4杄7評估分類模型
4杄8建立一個多類分類系統
4杄9應用
4杄10小結
第5章文本摘要
5杄1文本摘要和信息提取
5杄2重要概念
5杄2杄1文檔
5杄2杄2文本規范化
5杄2杄3特征提取
5杄2杄4特征矩陣
5杄2杄5奇異值分解
5杄3文本規范化
5杄4特征提取
5杄5關鍵短語提取
5杄5杄1搭配
5杄5杄2基于權重標簽的短語提取
5杄6主題建模
5杄6杄1隱含語義索引
5杄6杄2隱含Dirichlet分布
5杄6杄3非負矩陣分解
5杄6杄4從產品評論中提取主題
5杄7自動文檔摘要
5杄7杄1隱含語義分析
5杄7杄2TextRank算法
5杄7杄3生成產品說明摘要
5杄8小結
第6章文本相似度和聚類
6杄1重要概念
6杄1杄1信息檢索
6杄1杄2特征工程
6杄1杄3相似度測量
6杄1杄4無監督的機器學習算法
6杄2文本規范化
6杄3特征提取
6杄4文本相似度
6杄5詞項相似度分析
6杄5杄1漢明距離
6杄5杄2曼哈頓距離
6杄5杄3歐幾里得距離
6杄5杄4萊文斯坦編輯距離
6杄5杄5余弦距離和相似度
6杄6文檔相似度分析
6杄6杄1余弦相似度
6杄6杄2海靈格-巴塔恰亞距離
6杄6杄3Okapi BM25排名
6杄7文檔聚類
6杄8最佳影片聚類分析
6杄8杄1k拟means聚類
6杄8杄2近鄰傳播聚類
6杄8杄3沃德凝聚層次聚類
6杄9小結
第7章語義與情感分析
7杄1語義分析
7杄2探索WordNet
7杄2杄1理解同義詞集
7杄2杄2分析詞匯的語義關系
7杄3詞義消歧
7杄4命名實體識別
7杄5分析語義表征
7杄5杄1命題邏輯
7杄5杄2一階邏輯
7杄6情感分析
7杄7IMDb電影評論的情感分析
7杄7杄1安裝依賴程序包
7杄7杄2準備數據集
7杄7杄3有監督的機器學習技術
7杄7杄4無監督的詞典技術
7杄7杄5模型性能比較
7杄8小結 |
| 序： |
