本书共12章，内容包括：语料库、正则表达式、中文分词技术、词性标注与命名实体识别、关键词提取、文本向量化、文本分类与文本聚类、文本情感分析、NLP中的深度学习技术等。
电子书
内容简介
本书以自然语言处理常用技术与真实案例相结合的方式，深入浅出地介绍自然语言处理中的关键内容。全书共8章，内容包括自然语言处理概述、文本数据爬取、文本基础处理、文本进阶处理、天问一号事件中的B站网民情感分析、新闻文本分类、基于浏览记录的个性化新闻推荐以及基于TipDM数据挖掘建模平台实现新闻文本分类。本书大部分章节包含了课后习题，其中前4章设置了选择题，后4章设置了操作题，希望通过练习和操作实践，帮助读者巩固所学的内容。本书可作为高校数据科学、人工智能和新闻传播相关专业教材，也可作为自然语言处理爱好者的自学用书。
章节目录
- 第 1 章 导论
- 1.1 自然语言处理概述
- 1.1.1 NLP 的发展历程
- 1.1.2 研究内容
- 1.1.3 自然语言处理与新闻传播
- 1.2 自然语言处理工具
- 1.2.1 常用的自然语言处理工具
- 1.2.2 Python 与自然语言处理
- 1.3 NLP 的开发环境
- 1.3.1 Anaconda 安装
- 1.3.2 Anaconda 应用介绍
- 小结
- 课后习题
- 第 2 章 文本数据爬取
- 2.1 HTTP 通信基础
- 2.1.1 熟悉HTTP 请求方法与过程
- 2.1.2 熟悉常见HTTP 状态码
- 2.1.3 熟悉HTTP 头字段
- 2.1.4 熟悉Cookie
- 2.2 静态网页爬取
- 2.2.1 实现HTTP 请求
- 2.2.2 网页解析
- 2.2.3 数据存储
- 2.3 动态网页爬取
- 2.3.1 逆向分析爬取
- 2.3.2 使用Selenium 库爬取
- 小结
- 课后习题
- 第 3 章 文本基础处理
- 3.1 语料库
- 3.1.1 语料库概述
- 3.1.2 语料库类型与原则
- 3.1.3 NLTK 库
- 3.1.4 语料库的获取
- 3.1.5 语料库的构建与分析
- 3.2 分词与词性标注
- 3.2.1 中文分词简介
- 3.2.2 基于规则的分词
- 3.2.3 基于统计的分词
- 3.2.4 中文分词工具jieba 库
- 3.2.5 词性标注简介
- 3.2.6 词性标注规范
- 3.2.7 jieba 词性标注
- 3.3 命名实体识别
- 3.3.1 命名实体识别简介
- 3.3.2 CRF 模型
- 3.3.3 命名实体识别流程
- 3.4 关键词提取
- 3.4.1 关键词提取技术简介
- 3.4.2 关键词提取算法
- 3.4.3 自动提取文本关键词
- 小结
- 课后习题
- 第 4 章 文本进阶处理
- 4.1 文本向量化
- 4.1.1 文本向量化简介
- 4.1.2 文本离散表示
- 4.1.3 文本分布式表示
- 4.1.4 Word2Vec 词向量的训练
- 4.2 文本相似度计算
- 4.2.1 文本相似度的定义
- 4.2.2 文本的表示
- 4.2.3 常用文本相似度算法
- 4.3 文本分类与聚类
- 4.3.1 文本挖掘简介
- 4.3.2 文本分类常用算法
- 4.3.3 文本聚类常用算法
- 4.3.4 文本分类与聚类的步骤
- 4.3.5 新闻文本分类
- 4.3.6 新闻文本聚类
- 小结
- 课后习题
- 第 5 章 天问一号事件中的网民评论情感分析
- 5.1 业务背景与项目目标
- 5.1.1 业务背景
- 5.1.2 数据说明
- 5.1.3 分析目标
- 5.2 分析方法与过程
- 5.2.1 数据探索
- 5.2.2 文本预处理
- 5.2.3 绘制词云图
- 5.2.4 使用朴素贝叶斯构建情感分类模型
- 5.2.5 模型评估
- 5.2.6 模型优化
- 小结
- 课后习题
- 第 6 章 新闻文本分类
- 6.1 业务背景与项目目标
- 6.1.1 业务背景
- 6.1.2 数据说明
- 6.1.3 分析目标
- 6.2 分析方法与过程
- 6.2.1 数据采集
- 6.2.2 数据探索
- 6.2.3 文本预处理
- 6.2.4 SVM 模型构建
- 6.2.5 模型评价
- 小结
- 课后习题
- 第 7 章 基于浏览记录的个性化新闻推荐
- 7.1 业务背景与项目目标
- 7.1.1 业务背景
- 7.1.2 数据说明
- 7.1.3 分析目标
- 7.2 分析方法与过程
- 7.2.1 数据探索
- 7.2.2 数据预处理
- 7.2.3 模型构建
- 7.2.4 模型评估
- 小结
- 课后习题
- 第 8 章 基于TipDM 大数据挖掘建模平台实现新闻文本分类
- 8.1 平台简介
- 8.1.1 实训库
- 8.1.2 数据连接
- 8.1.3 实训数据
- 8.1.4 我的实训
- 8.1.5 系统算法
- 8.1.6 个人算法
- 8.2 实现新闻文本分类
- 8.2.1 数据源配置
- 8.2.2 文本预处理
- 8.2.3 构建、训练并评价支持向量机模型
- 小结
- 课后习题
展开全部
Python自然语言处理入门与实战是2022年由人民邮电出版社出版,作者主编。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python自然语言处理入门与实战》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
电子书
本书先介绍经典的图像处理技术，然后探索图像处理算法的演变历程，始终紧扣图像处理以及计算机视觉与深度学习方面的最新进展。全书共12章，涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割，以及图像处理中的经典机器学习方法等内容。
电子书
近年来，基于深度学习方法的自然语言处理（NLP）已逐渐成为主流。本书共8章，主要介绍自然语言处理任务中的深度学习技术，包含深度学习理论基础、深度学习的软件框架、语言模型与词向量、序列模型与梯度消失/爆炸、卷积神经网络在NLP领域的应用、Seq2Seq模型与Attention机制、大规模预训练模型、预训练语言模型BERT，还给出了自然语言处理技术的高级应用和开发实例，并收录了基于PyTorch深度学
电子书
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的
电子书
本书基于Python编程语言，以实战为导向，主要介绍中文自然语言处理的各种理论、方法及应用案例，帮助读者快速熟悉理论知识，理解相关技术原理，为读者选择自然语言处理相关的研究方向或从业领域提供参考。全书共分为三个部分：第一部分（第1～3章）是“基础篇”，侧重介绍自然语言处理的基础知识，并在相应的知识板块中设置实验案例；第二部分（第4～12章）是“技术篇”，主要讲解自然语言处理核心技术的原理及实现方法
电子书
本书是一本全面介绍Python编程，并针对多个应用场景给出解决方案的编程手册。从Python的基础知识开始，介绍了数据类型、函数、条件、循环等基本概念，展示了生成器、面向对象编程等具有Python特色的进阶理念，并给出了定位和排除异常、测试代码、调试的方法。随后，本书针对GUI、数据科学等实用场景，使用Python解决实际问题。最后，本书给出了发布Python程序的方法。本书适合想要学习编程或有一
电子书
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。
电子书
精讲学习视频全程相伴，扫码即看；331个有趣实例及精彩分析娓娓道来
