《Java自然语言处理》内容简介

本书将教会读者如何在Java库的帮助下执行语言分析，同时不断地从结果中获得见解。首先介绍NLP及其各种概念是如何工作的，然后探索Java中用于NLP的重要工具和库，如CoreNLP、OpenNLP、Neuroph、Mallet等。之后，读者将开始对不同的输入和任务执行NLP，例如标记、模型训练、部分语音、解析树等。读者会学习到统计机器翻译、摘要、对话系统、复杂搜索、有监督和无监督的NLP，以及其他内容。在本书的最后，读者也会学习到更多关于NLP、神经网络和其他各种Java中用于增强NLP应用程序性能的训练模型。
理查德·M.里斯（Richard M.Reese） 曾就职于学术界和工业界。他曾在电话和航天工业工作17年，其间曾担任研发、软件开发、监督和培训等多个职位。他目前任教于塔尔顿州立大学。Richard曾出版多本关于Java和C指针的书籍，他使用浅显易懂的方法讲授相关主题，他的Java书涵盖EJB3.1、Java7和8的新功能、认证、函数式编程和jMonkey Engine，及自然语言处理。
艾希什辛格·巴蒂亚（AshishSingh Bhatia） 是学习者、读者、探索者和开发者。他在不同的领域（包括银行、ERP和教育）有超过10年的IT经验，并对Python、Java、R、Web和移动开发一直充满热情。他总是准备探索新技术。

作品目录

译者序
前言
作者简介
审校者简介
第一章：NPL概论
1.1、NLP是什么
1.2、为什么使用NLP
1.3、为什么NLP这么难
1.4、NLP工具汇总
1.5、Java深度学习
1.6、文本处理任务概述
1.7、理解NLP方法
1.8、准备数据
1.9、总结
第二章：查找文本的各部分
2.1、理解文章的各个部分
2.2、分词是什么
2.3、简单的Java分词器
2.4、NLP分词器API
2.5、了解规范化
2.6、总结
第三章：文本断句
3.1、SBD方法
3.2、SBD难在何处
3.3、理解LingPipe的HeuristicSentenceModel类的SBD规则
3.4、简单的Java
SBD
3.5、使用NLP
API
3.6、训练文本断句模型
3.7、总结
第四章：人物识别
4.1、NER难在何处
4.2、NER方法
4.3、使用正则表达式进行NER
4.4、使用NLP
API
4.5、使用NER注释工具构建新数据集
4.6、训练模型
4.7、总结
第五章：词性判断
5.1、词性标注
5.2、使用NLP
API
5.3、总结
第六章：用特征表示文本
6.1、n-gram
6.2、词嵌入
6.3、GloVe
6.4、word2vec
6.5、降维
6.6、主成分分析
6.7、t-SNE
6.8、总结
第七章：信息检索
7.1、布尔检索
7.2、字典和容错性检索
7.3、向量空间模型
7.4、计分和术语加权
7.5、逆文档频率
7.6、TF-IDF加权
7.7、信息检索系统的评估
7.8、总结
第八章：对文本和文档进行分类
8.1、如何使用分类
8.2、理解情感分析
8.3、文本分类技术
8.4、使用API对文本进行分类
8.5、总结
第九章：主题建模
9.1、什么是主题建模
9.2、LDA的基础
9.3、使用MALLET进行主题建模
9.4、总结
第十章：使用解析器提取关系
10.1、关系类型
10.2、理解解析树
10.3、使用提取的关系
10.4、提取关系
10.5、使用NLP
API
10.6、为问答系统提取关系
10.7、总结
第十一章：组合管道
11.1、准备数据
11.2、管道
11.3、创建用于搜索文本的管道
11.4、总结
第十二章：创建一个聊天机器人
12.1、聊天机器人架构
12.2、人工语言网络计算机实体
12.3、总结