《自然语言处理实战:利用Python理解、分析和生成文本》是由人民邮电出版社出版的一本关于自然语言方面的书籍，作者是霍布森·莱恩，主要介绍了关于自然语言、Python方面的知识内容，目前在自然语言类书籍综合评分为：8.9分。
书籍介绍
《自然语言处理实战:利用Python理解、分析和生成文本》是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：*部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。
本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。
Python开发人员入门自然语言处理必备
现代自然语言处理领域从业者的实用参考指南
小米AI实验室NLP团队献译
1.本书是构建能够阅读和解释人类语言的机器的实用指南；
2.读者可以使用现有的Python 包来捕获文本的含义并相应地做出响应；
3.本书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题；
4.提供源代码。
深度学习领域的*进展使各类应用能够极其精准地理解文本和语音。其结果是，聊天机器人能够模仿真人筛选出与职位高度匹配的简历，完成卓越的预测性搜索，自动生成文档摘要——所有这些都能够以很低的成本实现。新技术的发展连同Keras 和TensorFlow之类的易用工具的出现，使专业品质的自然语言处理（NLP）比以往任何时候都更容易实现。
本书主要内容
● Keras、TensorFlow、gensim和 scikit-learn等工具的使用。
● 基于规则的自然语言处理和基于数据的自然语言处理。
● 可扩展的自然语言处理流水线。
阅读本书，读者需要对深度学习的知识有基本的了解，并具有中等水平的Python 编程技能。
目录
- 第 一部分 处理文本的机器
- 第 1章 NLP概述 3
- 第 2章 构建自己的词汇表——分词 27
- 第3章 词中的数学 62
- 第4章 词频背后的语义 87
- 第二部分 深度学习（神经网络）
- 第5章 神经网络初步（感知机与反向传播） 139
- 第6章 词向量推理（Word2vec） 160
- 第7章 卷积神经网络（CNN） 191
- 第8章 循环神经网络（RNN） 215
- 第9章 改进记忆力：长短期记忆网络（LSTM） 239
- 第 10章 序列到序列建模和注意力机制 272
- 第三部分 进入现实世界（现实中的NLP挑战）
- 第 11章 信息提取（命名实体识别与问答系统） 297
- 第 12章 开始聊天（对话引擎） 320
- 第 13章 可扩展性（优化、并行化和批处理） 353
- 附录A 本书配套的NLP工具 373
- 附录B 有趣的Python和正则表达式 380
- 附录C 向量和矩阵（线性代数基础） 385
- 附录D 机器学习常见工具与技术 391
- 附录E 设置亚马逊云服务（AWS）上的GPU 403
- 附录F 局部敏感哈希 415
- 资源 421
- 词汇表 428
