|
-- 會員 / 註冊 --
|
|
|
|
NLP工程師養成術:自然語言處理入門 ( 繁體 字) |
作者:何? 著 | 類別:1. -> 程式設計 -> 自然語言 |
譯者: |
出版社:博碩文化 | 3dWoo書號: 53084 詢問書籍請說出此書號!【缺書】 NT定價: 690 元 折扣價: 518 元
|
出版日:7/4/2020 |
頁數:430 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 繁體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9789864345014 |
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: |
內容簡介:官網下載 (範例程式碼)光碟內容: 【下載範例程式檔案】 本書的程式碼是由GitHub託管,可點選下面圖案前往下載:(分別有兩處下載位置) 1. 不會艱深晦澀、不再高深莫測你一定能看懂的自然語言處理入門書!INTRODUCTION TO NATURAL LANGUAGE PROCESSING?Java與Python雙實作:圖文並茂!演算法、數學公式、程式碼相輔相成。?探索式學習路徑:循序漸進!從問題、演算法再到範例實作,一目瞭然。編輯推薦作者匯集多年經驗,從基本概念出發,逐步介紹中文分詞、詞性標註、命名實體識別、資訊抽取、文字聚類、文字分類、句法分析這幾個熱門問題的演算法原理與工程實作。透過講解多種演算法,比較它們的優缺點與適用場景,同時詳細展示實際專案導向的程式碼,協助讀者真正將自然語言處理(NLP)應用到正式環境之中。儘管作者目前是NLP領域的翹楚,但他曾是非本科生,對自學入門有親身體驗,深諳初學者的學習痛點。希望透過這本與眾不同的入門讀物,為讀者打開另一扇機會之門,幫助你零起點上手NLP,讓你在通勤時也能把書讀完讀懂!隨著本書的學習,你將從普通程式設計師晉級為機器學習工程師,最後進化為NLP工程師。專家好評HanLP作者何?寫的這本書值得一讀。這本書系統性地介紹NLP的基礎技術,深入淺出、容易理解,對初學者助益極大。周明微軟亞洲研究院副院長,國際計算語言學會會長本書不僅介紹NLP的任務及演算法,也提供可以實際執行的線上程式碼,非常適合NLP初學者入門並快速部署到正式環境。王斌小米人工智慧實驗室主任、NLP首席科學家?配套程式碼由Java 和Python雙語言編寫而成,與GitHub上的最新程式碼同步更新,可點選下面圖案前往下載:(分別有兩處下載位置)1. 2. |
目錄:推薦序 推薦語 前言 主要數學符號表
第1章:新手上路 1.1 自然語言與程式語言 1.2 自然語言處理的層次 1.3 自然語言處理的流派 1.4 機器學習 1.5 語料庫 1.6 開源工具 1.7 總結
第2章:詞典分詞 2.1 什麼是詞 2.2 詞典 2.3 切分演算法 2.4 字典樹 2.5 雙陣列字典樹 2.6 AC 自動機 2.7 基於雙陣列字典樹的AC自動機 2.8 HanLP的詞典分詞實作 2.9 準確率評測 2.10 字典樹的其他應用 2.11 總結
第3章:二元語法與中文分詞 3.1 語言模型 3.2 中文分詞語料庫 3.3 訓練 3.4 預測 3.5 評測 3.6 日語分詞 3.7 總結
第4章:隱馬可夫模型與序列標註 4.1 序列標註問題 4.2 隱馬可夫模型 4.3 隱馬可夫模型的樣本生成 4.4 隱馬可夫模型的訓練 4.5 隱馬可夫模型的預測 4.6 隱馬可夫模型應用於中文分詞 4.7 二階隱馬可夫模型 * 4.8 總結
第5章:感知器分類與序列標註 5.1 分類問題 5.2 線性分類模型與感知器演算法 5.3 基於感知器的人名性別分類 5.4 結構化預測問題 5.5 線性模型的結構化感知器演算法 5.6 基於結構化感知器的中文分詞 5.7 總結
第6章:條件隨機域與序列標註 6.1 機器學習的模型譜系 6.2 條件隨機域 6.3 條件隨機域工具包 6.4 HanLP的CRF++ API 6.5 總結
第7章:詞性標註 7.1 詞性標註概述 7.2 詞性標註語料庫與標註集 7.3 序列標註模型應用於詞性標註 7.4 自訂詞性 7.5 總結
第8章:命名實體識別 8.1 概述 8.2 基於規則的命名實體識別 8.3 命名實體識別語料庫 8.4 基於層疊隱馬可夫模型的角色標註框架 8.5 基於序列標註的命名實體識別 8.6 自訂領域命名實體識別 8.7 總結
第9章:資訊抽取 9.1 新詞提取 9.2 關鍵字提取 9.3 短語提取 9.4 關鍵句提取 9.5 總結
第10章:文字聚類 10.1 概述 10.2 文件的特徵提取 10.3 k 平均值演算法 10.4 重複二分聚類演算法 10.5 標準化評測 10.6 總結
第11章:文字分類 11.1 文字分類的概念 11.2 文字分類語料庫 11.3 文字分類的特徵提取 11.4 單純貝氏分類器 11.5 支援向量機分類器 11.6 標準化評測 11.7 情感分析 11.8 總結
第12章:依存句法分析 12.1 短語結構樹 12.2 依存句法樹 12.3 依存句法分析 12.4 基於轉移的依存句法分析 12.5 依存句法分析API 12.6 案例:基於依存句法樹的意見抽取 12.7 總結
第13章:深度學習與自然語言處理 13.1 傳統方法的局限 13.2 深度學習與優勢 13.3 word2vec 13.4 基於神經網路的高效能依存句法分析器 13.5 自然語言處理進階
自然語言處理學習資料推薦 書籍與雜誌 學術會議 公開課程 網站
|
序: |
|