Python自然語言處理實(shí)戰(zhàn)

目錄
譯者序
原書前言
第1章學(xué)習(xí)NLP基礎(chǔ)知識
1.1技術(shù)要求
1.2將文本分成句子
1.3將句子切分成單詞——分詞
1.4詞性標(biāo)注
1.5詞干提取
1.6組合相似詞——詞形還原
1.7刪除停用詞
第2章玩轉(zhuǎn)語法
2.1技術(shù)要求
2.2計數(shù)名詞——復(fù)數(shù)名詞和單數(shù)名詞
2.3獲取依存句法
2.4將句子拆分為從句
2.5提取名詞塊
2.6提取實(shí)體和關(guān)系
2.7提取句子的主語和賓語
2.8尋找引用——指代消解
第3章表示文本——捕獲語義
3.1技術(shù)要求
3.2將文檔放入詞袋中
3.3構(gòu)建n-gram模型
3.4用TF-IDF表示文本
3.5使用詞嵌入
3.6訓(xùn)練您自己的嵌入模型
3.7表示短語——phrase2vec
3.8使用BERT代替詞嵌入
3.9語義搜索入門
第4章文本分類
4.1技術(shù)要求
4.2準(zhǔn)備好數(shù)據(jù)集和評估基準(zhǔn)
4.3使用關(guān)鍵詞執(zhí)行基于規(guī)則的文本分類
4.4使用K-means聚類句子——無監(jiān)督文本分類
4.5使用SVM進(jìn)行有監(jiān)督的文本分類
4.6使用LSTM進(jìn)行有監(jiān)督的文本分類
第5章信息提取入門
5.1技術(shù)要求
5.2使用正則表達(dá)式
5.3尋找相似的字符串：Levenshtein距離
5.4使用spaCy執(zhí)行命名體識別
5.5用spaCy訓(xùn)練您自己的NER模型
5.6發(fā)現(xiàn)情感分析
5.7使用LSTM的短文本情感分析：Twitter
5.8使用BERT進(jìn)行情感分析
第6章主題建模
6.1技術(shù)要求
6.2使用sklearn進(jìn)行LDA主題建模
6.3使用gensim進(jìn)行LDA主題建模
6.4NMF主題建模
6.5使用BERT進(jìn)行K-means主題建模
6.6短文本主題建模
第7章構(gòu)建聊天機(jī)器人
7.1技術(shù)要求
7.2使用關(guān)鍵字匹配構(gòu)建一個基本的聊天機(jī)器人
7.3構(gòu)建一個基本的Rasa聊天機(jī)器人
7.4使用Rasa創(chuàng)建問答對
7.5使用Rasa創(chuàng)建和可視化對話路徑
7.6為Rasa聊天機(jī)器人創(chuàng)建操作
第8章可視化文本數(shù)據(jù)
8.1技術(shù)要求
8.2可視化依存句法
8.3可視化詞性
8.4可視化NER
8.5構(gòu)建詞云
8.6可視化主題
附錄
附錄AspaCy詞性標(biāo)簽列表
附錄BNLTK詞性標(biāo)簽列表
附錄C停用詞列表
附錄DspaCy命名實(shí)體標(biāo)簽