Python文本分析

目錄
譯者序
前言
第1章自然語言基礎
1.1自然語言
1.1.1什么是自然語言
1.1.2語言哲學
1.1.3語言習得和用法
1.2語言學
1.3語言句法和結構
1.3.1詞
1.3.2短語
1.3.3從句
1.3.4語法
1.3.5語序類型學
1.4語言語義
1.4.1詞匯語義關系
1.4.2語義網絡和模型
1.4.3語義表示
1.5文本語料庫
1.5.1文本語料庫標注及使用
1.5.2熱門的語料庫
1.5.3訪問文本語料庫
1.6自然語言處理
1.6.1機器翻譯
1.6.2語音識別系統(tǒng)
1.6.3問答系統(tǒng)
1.6.4語境識別與消解
1.6.5文本摘要
1.6.6文本分類
1.7文本分析
1.8小結
第2章Python語言回顧
2.1了解Python
2.1.1Python之禪
2.1.2應用：何時使用Python
2.1.3缺點：何時不用Python
2.1.4Python實現(xiàn)和版本
2.2安裝和設置
2.2.1用哪個Python版本
2.2.2用哪個操作系統(tǒng)
2.2.3集成開發(fā)環(huán)境
2.2.4環(huán)境設置
2.2.5虛擬環(huán)境
2.3Python句法和結構
2.4數據結構和類型
2.4.1數值類型
2.4.2字符串
2.4.3列表
2.4.4集合
2.4.5字典
2.4.6元組
2.4.7文件
2.4.8雜項
2.5控制代碼流
2.5.1條件結構
2.5.2循環(huán)結構
2.5.3處理異常
2.6函數編程
2.6.1函數
2.6.2遞歸函數
2.6.3匿名函數
2.6.4迭代器
2.6.5分析器
2.6.6生成器
2.6.7itertools和functools模塊
2.7類
2.8使用文本
2.8.1字符串文字
2.8.2字符串操作和方法
2.9文本分析框架
2.10小結
第3章處理和理解文本
3.1文本切分
3.1.1句子切分
3.1.2詞語切分
3.2文本規(guī)范化
3.2.1文本清洗
3.2.2文本切分
3.2.3刪除特殊字符
3.2.4擴展縮寫詞
3.2.5大小寫轉換
3.2.6刪除停用詞
3.2.7詞語校正
3.2.8詞干提取
3.2.9詞形還原
3.3理解文本句法和結構
3.3.1安裝必要的依賴項
3.3.2機器學習重要概念
3.3.3詞性標注
3.3.4淺層分析
3.3.5基于依存關系的分析
3.3.6基于成分結構的分析
3.4小結
第4章文本分類
4.1什么是文本分類
4.2自動文本分類
4.3文本分類的藍圖
4.4文本規(guī)范化處理
4.5特征提取
4.5.1詞袋模型
4.5.2TFIDF模型
4.5.3高級詞向量模型
4.6分類算法
4.6.1多項式樸素貝葉斯
4.6.2支持向量機
4.7評估分類模型
4.8建立一個多類分類系統(tǒng)
4.9應用
4.10小結
第5章文本摘要
5.1文本摘要和信息提取
5.2重要概念
5.2.1文檔
5.2.2文本規(guī)范化
5.2.3特征提取
5.2.4特征矩陣
5.2.5奇異值分解
5.3文本規(guī)范化
5.4特征提取
5.5關鍵短語提取
5.5.1搭配
5.5.2基于權重標簽的短語提取
5.6主題建模
5.6.1隱含語義索引
5.6.2隱含Dirichlet分布
5.6.3非負矩陣分解
5.6.4從產品評論中提取主題
5.7自動文檔摘要
5.7.1隱含語義分析
5.7.2TextRank算法
5.7.3生成產品說明摘要
5.8小結
第6章文本相似度和聚類
6.1重要概念
6.1.1信息檢索
6.1.2特征工程
6.1.3相似度測量
6.1.4無監(jiān)督的機器學習算法
6.2文本規(guī)范化
6.3特征提取
6.4文本相似度
6.5詞項相似度分析
6.5.1漢明距離
6.5.2曼哈頓距離
6.5.3歐幾里得距離
6.5.4萊文斯坦編輯距離
6.5.5余弦距離和相似度
6.6文檔相似度分析
6.6.1余弦相似度
6.6.2海靈格-巴塔恰亞距離
6.6.3Okapi BM25排名
6.7文檔聚類
6.8最佳影片聚類分析
6.8.1kmeans聚類
6.8.2近鄰傳播聚類
6.8.3沃德凝聚層次聚類
6.9小結
第7章語義與情感分析
7.1語義分析
7.2探索WordNet
7.2.1理解同義詞集
7.2.2分析詞匯的語義關系
7.3詞義消歧
7.4命名實體識別
7.5分析語義表征
7.5.1命題邏輯
7.5.2一階邏輯
7.6情感分析
7.7IMDb電影評論的情感分析
7.7.1安裝依賴程序包
7.7.2準備數據集
7.7.3有監(jiān)督的機器學習技術
7.7.4無監(jiān)督的詞典技術
7.7.5模型性能比較
7.8小結