电子书
内容简介
本书介绍了自然语言处理的原理与Java编程语言的技术实现，主要包括多种语言的文本处理、分布式算法与代码实现、自然语言处理相关系统构建等内容。
章节目录
- 扉页
- 版权页
- 内容提要
- 前言
- 基础篇
- 第1章 自然语言处理实践基础
- 1.1 开发环境准备
- 1.1.1 Windows命令行cmd
- 1.1.2 在Windows下使用Java
- 1.1.3 Linux终端
- 1.1.4 在Linux下使用Java
- 1.1.5 Eclipse集成开发环境
- 1.2 技术基础
- 1.2.1 机器学习
- 1.2.2 Java基础
- 1.2.3 信息采集
- 1.2.4 文本挖掘
- 1.2.5 SWIG扩展Java性能
- 1.2.6 代码移植
- 1.2.7 语义
- 1.2.8 Hadoop分布式计算框架
- 1.3 专业术语
- 开发篇
- 第2章 中文分词原理与实现
- 2.1 接口
- 2.1.1 切分方案
- 2.1.2 词典格式
- 2.2 散列表最长匹配中文分词
- 2.2.1 算法实现
- 2.2.2 使用Ant构建分词jar包
- 2.2.3 使用Maven构建分词jar包
- 2.2.4 使用Gradle构建分词jar包
- 2.2.5 生成JavaDoc
- 2.3 查找词典算法
- 2.3.1 标准Trie树
- 2.3.2 三叉Trie树
- 2.4 Trie树最大长度匹配法
- 2.4.1 正向最大长度匹配法
- 2.4.2 逆向最大长度匹配法
- 2.4.3 有限状态机识别未登录串
- 2.5 概率语言模型的分词方法
- 2.5.1 一元模型
- 2.5.2 整合基于规则的方法
- 2.5.3 表示切分词图
- 2.5.4 形成切分词图
- 2.5.5 数据基础
- 2.5.6 改进一元模型
- 2.5.7 二元词典
- 2.5.8 完全二叉树组
- 2.5.9 三元词典
- 2.5.10 N元模型
- 2.5.11 N元分词
- 2.5.12 生成语言模型
- 2.5.13 评估语言模型
- 2.5.14 概率分词的流程与结构
- 2.5.15 可变长N元分词
- 2.5.16 条件随机场
- 2.6 新词发现
- 2.7 Android系统中文输入法
- 2.8 词性标注
- 2.8.1 数据基础
- 2.8.2 隐马尔可夫模型
- 2.8.3 存储数据
- 2.8.4 统计数据
- 2.8.5 整合切分与词性标注
- 2.8.6 大词表
- 2.8.7 词性序列
- 2.8.8 基于转换的学习方法
- 2.8.9 实现词性标注
- 2.9 词类模型
- 2.10 未登录词识别
- 2.10.1 未登录人名
- 2.10.2 提取候选人名
- 2.10.3 最长人名切分
- 2.10.4 一元概率人名切分
- 2.10.5 二元概率人名切分
- 2.10.6 未登录地名
- 2.10.7 未登录企业名
- 2.11 中文分词总体结构
- 2.12 平滑算法
- 2.12.1 最大熵
- 2.12.2 实现中文分词
- 2.13 地名切分
- 2.13.1 识别未登录地名
- 2.13.2 整体流程
- 2.14 企业名切分
- 2.14.1 识别未登录词
- 2.14.2 整体流程
- 2.15 结果评测
- 2.16 专业术语
- 第3章 语义分析
- 3.1 句法分析树
- 3.2 依存文法
- 3.2.1 中文依存文法
- 3.2.2 英文依存文法
- 3.2.3 生成依存文法树
- 3.2.4 机器学习的方法
- 3.3 依存语言模型
- 3.4 使用Java计算机语言的语义分析
- 3.5 专业术语
- 第4章 文章分析
- 4.1 分词
- 4.1.1 句子切分
- 4.1.2 识别未登录串
- 4.1.3 切分边界
- 4.2 词性标注
- 4.3 重点词汇提取
- 4.4 句子时态分析
- 4.5 专业术语
- 第5章 文档语义
- 5.1 相似度计算
- 5.1.1 夹角余弦
- 5.1.2 最长公共子串
- 5.1.3 同义词替换
- 5.1.4 地名相似度
- 5.1.5 企业名相似度
- 5.2 文档排重
- 5.2.1 关键词排重
- 5.2.2 语义指纹排重
- 5.2.3 分布式文档排重
- 5.2.4 使用文档排重
- 5.3 在搜索引擎中使用文档排重
- 5.4 专业术语
- 第6章 信息提取
- 6.1 指代消解
- 6.2 中文关键词提取
- 6.2.1 关键词提取的基本方法
- 6.2.2 HITS算法应用于关键词提取
- 6.2.3 从网页中提取关键词
- 6.3 信息提取
- 6.3.1 提取联系方式
- 6.3.2 从互联网提取信息
- 6.3.3 提取地名
- 6.4 拼写纠错
- 6.4.1 模糊匹配问题
- 6.4.2 正确词表
- 6.4.3 英文拼写检查
- 6.4.4 中文拼写检查
- 6.5 输入提示
- 6.6 专业术语
- 第7章 自动摘要
- 7.1 自动摘要技术
- 7.1.1 英文文本摘要
- 7.1.2 中文文本摘要
- 7.1.3 基于篇章结构的自动摘要
- 7.1.4 句子压缩
- 7.2 指代消解
- 7.3 多文档摘要
- 7.4 分布式部署
- 7.5 专业术语
- 第8章 文本分类
- 8.1 地名分类
- 8.2 文本模板分类
- 8.3 特征提取
- 8.4 线性分类器
- 8.4.1 关键词加权法
- 8.4.2 朴素贝叶斯
- 8.4.3 贝叶斯文本分类
- 8.4.4 支持向量机
- 8.4.5 多级分类
- 8.4.6 使用sklearn实现文本分类
- 8.4.7 规则方法
- 8.4.8 网页分类
- 8.5 FastText文本分类
- 8.5.1 词向量
- 8.5.2 JavaCPP包装Java接口
- 8.5.3 使用JFastText
- 8.6 最大熵分类器
- 8.7 文本聚类
- 8.7.1 K均值聚类算法
- 8.7.2 K均值聚类算法的实现
- 8.7.3 深入理解DBScan算法
- 8.7.4 使用DBScan算法聚类实例
- 8.8 持续集成
- 8.9 专业术语
- 第9章 文本倾向性分析
- 9.1 确定词语的褒贬倾向
- 9.2 实现情感识别
- 9.3 专业术语
- 系统篇
- 第10章 语音识别
- 10.1 总体结构
- 10.1.1 识别中文
- 10.1.2 自动问答
- 10.2 语音库
- 10.3 语音
- 10.3.1 标注语音
- 10.3.2 动态时间规整计算相似度
- 10.4 Sphinx语音识别
- 10.4.1 中文训练集
- 10.4.2 使用Sphinx4
- 10.4.3 ARPA文件格式
- 10.4.4 PocketSphinx语音识别引擎
- 10.5 说话人识别
- 10.6 专业术语
- 第11章 问答系统
- 11.1 问答系统的结构
- 11.1.1 提取问答对
- 11.1.2 等价问题
- 11.2 问句分析
- 11.2.1 问题类型
- 11.2.2 句型
- 11.2.3 业务类型
- 11.2.4 依存文法树
- 11.2.5 指代消解
- 11.2.6 二元关系
- 11.2.7 问句模板
- 11.2.8 结构化问句模板
- 11.2.9 检索方式
- 11.2.10 问题重写
- 11.2.11 提取事实
- 11.2.12 验证答案
- 11.3 知识库
- 11.4 AIML聊天机器人
- 11.4.1 交互式问答
- 11.4.2 垂直领域问答系统
- 11.4.3 语料库
- 11.4.4 客户端
- 11.5 自然语言生成
- 11.6 JavaFX开发界面
- 11.7 专业术语
- 第12章 机器翻译
- 12.1 使用机器翻译API
- 12.2 翻译日期
- 12.3 神经机器翻译
- 12.4 辅助机器翻译
- 12.5 机器翻译的评价
- 12.6 专业术语
- 参考文献
- 后记
展开全部
自然语言处理与Java语言实现是2020年由人民邮电出版社出版,作者罗刚。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《自然语言处理与Java语言实现》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
