《自然语言处理理论与实战》内容简介

自然语言处理是什么？谁需要学习自然语言处理？自然语言处理在哪些地方应用？相关问题一直困扰着不少初学者。针对这一情况，作者结合教学经验和工程应用编写此书。本书讲述自然语言处理相关学科知识和理论基础，并介绍使用这些知识的应用和工具，以及如何在实际环境中使用它们。由于自然语言处理的特殊性，其是一门多学科交叉的学科，初学者难以把握知识的广度和宽度，对侧重点不能全面掌握。本书针对以上情况，经过科学调研分析，选择以理论结合实例的方式将内容呈现出来。其中涉及开发工具、Python语言、线性代数、概率论、统计学、语言学等工程上常用的知识介绍，然后介绍自然语言处理的核心理论和案例解析，最后通过几个综合性的例子完成自然语言处理的学习和深入。本书旨在帮助读者快速、高效地学习自然语言处理和人工智能技术。
本书适用于具备一定编程基础的计算机专业、软件工程专业、通信专业、电子技术专业和自动化专业的大学二年级以上的学生、科研工作者和相关技术人员。一些做工程应用的自然语言处理工程师，也可以通过阅读本书补充理论知识，理论知识的魅力在于遇到工程难题时，可以知道其背后的原因，快速、准确地解决问题。
唐聃，教授，中科院工学博士。现工作于成都信息工程大学软件工程学院。研究方向包括自然语言处理、信息安全、数据分析。曾参与多项国家863项目和中科院知识创新工程项目、省科技厅和教育厅项目；2016年入选中国科学院西部之光人才计划（中国科学院西部青年学者）。
白宁超，四川省计算机研究院软件开发工程师，曾参与多项四川省科技厅项目。其自然语言处理系列博文曾被CSDN、博客园、阿里云栖等多个技术社区转载。

作品目录

主要作者简介
前言
第1章：基础入门
1.1、什么是自然语言处理
1.2、开发工具与环境
1.3、实战：第一个小程序的诞生
第2章：快速上手Python
2.1、初识Python编程语言
2.2、Python进阶
2.3、Python深入——第三方库
第3章：线性代数
3.1、线性代数介绍
3.2、向量
3.3、矩阵
3.4、距离计算
第4章：概率论
4.1、概率论介绍
4.2、事件
4.3、概率
4.4、概率公理
4.5、条件概率和全概率
4.6、贝叶斯定理
4.7、信息论
第5章：统计学
5.1、图形可视化
5.2、数据度量标准
5.3、概率分布
5.4、统计假设检验
5.5、相关和回归
第6章：语言学
6.1、语音
6.2、词汇
6.3、语法
第7章：自然语言处理
7.1、自然语言处理的任务和限制
7.2、自然语言处理的主要技术范畴
7.3、自然语言处理的难点
7.4、自然语言处理展望
第8章：语料库
8.1、语料库浅谈
8.2、语料库深入
8.3、自然语言处理工具包：NLTK
8.4、获取语料库
8.5、综合案例：走进大秦帝国
第9章：中文自动分词
9.1、中文分词简介
9.2、中文分词的特点和难点
9.3、常见中文分词方法
9.4、典型中文分词工具
9.5、结巴中文分词
第10章：数据预处理
10.1、数据清洗
10.2、分词处理
10.3、特征构造
10.4、特征降维与选择
10.5、简单实例
10.6、本章小结
第11章：马尔可夫模型
11.1、马尔可夫链
11.2、隐马尔可夫模型
11.3、向前算法解决HMM似然度
11.4、文本序列标注案例：Viterbi算法
第12章：条件随机场
12.1、条件随机场介绍
12.2、简单易懂的条件随机场
第13章：模型评估
13.1、从统计角度介绍模型概念
13.2、模型评估与选择
13.3、ROC曲线比较学习器模型
第14、章命名实体识别
14.1、命名实体识别概述
14.2、命名实体识别的特点与难点
14.3、命名实体识别方法
14.4、中文命名实体识别的核心技术
14.5、展望
第15章：自然语言处理实战
15.1、GitHub数据提取与可视化分析
15.2、微博话题爬取与存储分析
附录A
Python与其他语言调用
附录B
Git项目上传简易教程
参考文献