标签分类 热门分类
当前位置:首页 > 程序设计电子书 > 自然语言电子书网盘下载
自然语言处理技术入门与实战 自然语言处理技术入门与实战
Mr.黎鸿煊

Mr.黎鸿煊 提供上传

资源
25
粉丝
27
喜欢
159
评论
8

    自然语言处理技术入门与实战 PDF 超清版

    自然语言电子书
    • 发布时间:

    给大家带来的一篇关于自然语言相关的电子书资源,介绍了关于自然语言、技术入门、实战方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小117 MB,兰红云编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.2,更多相关的学习资源可以参阅 程序设计电子书、等栏目。

  • 自然语言处理技术入门与实战 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1ifBUJZwr35-WnDL3mmsxs
  • 分享码:3kc1
  • 本书主要从语义模型详解、自然语言处理系统基础算法和系统案例实战三个方面,介绍了自然语言处理中相关的一些技术。对于每一个算法又分别从应用原理、数学原理、代码实现,以及对当前方法的思考四个方面进行讲解。本书面向的读者为有志于从事自然语言处理相关工作的在校学生、企事业单位工作人员等人群。本书的结构是由浅入深地进行相关内容的介绍,以满足不同层次读者的学习需求。

    目录

    • 第1篇语义模型详解
    • 第1章关键词抽取模型 3
    • 1.1 TF-IDF算法实现关键词抽取 4
    • 1.2 TextRank算法实现关键词抽取 11
    • 1.3 基于语义的统计语言模型实现关键词抽取 16
    • 第2章短语抽取模型 22
    • 2.1 基于互信息和左右信息熵实现短语抽取 23
    • 2.2 TextRank算法实现短语抽取 28
    • 2.3 LDA算法实现短语抽取 31
    • 第3章自动摘要抽取模型 38
    • 3.1 决策树算法实现自动摘要 39
    • 3.2 基于逻辑回归算法实现自动摘要 44
    • 3.3 贝叶斯算法实现自动摘要 50
    • 第4章深度学习——计算任意词距离模型 55
    • 4.1 FP-Growth算法实现词距离计算 56
    • 4.2 N-Gram算法实现词距离计算 61
    • 4.3 BP算法实现词距离计算 65
    • 第5章拼音汉字混合识别模型 70
    • 5.1 贝叶斯模型实现拼音汉字混合识别 71
    • 5.2 HMM模型实现拼音汉字混合识别 75
    • 5.3 RNN神经网络模型实现拼音汉字混合识别 80
    • 第6章文本自动生成模型 87
    • 6.1 基于关键词的文本自动生成模型 88
    • 6.2 RNN模型实现文本自动生成 93
    • 第2篇自然语言处理系统基础算法
    • 第7章Dijkstra算法 101
    • 7.1 算法应用原理介绍 102
    • 7.2 算法数学原理介绍 102
    • 7.3 算法源码说明 106
    • 7.4 算法应用扩展 107
    • 第8章AC-DoubleArrayTrie算法 108
    • 8.1 算法应用原理介绍 109
    • 8.2 算法数学原理介绍 111
    • 8.3 算法应用扩展 116
    • 第9章最大熵算法 117
    • 9.1 算法应用原理介绍 118
    • 9.2 算法数学原理介绍 119
    • 9.3 算法源码说明 124
    • 9.4 算法应用扩展 125
    • 第10章CRF算法 126
    • 10.1 算法应用原理介绍 127
    • 10.2 算法数学原理介绍 130
    • 10.3 算法源码说明 135
    • 10.4 算法应用扩展 136
    • 第11章马尔可夫逻辑网算法 137
    • 11.1 算法应用原理介绍 138
    • 11.2 算法数学原理介绍 142
    • 11.3 算法源码说明 144
    • 11.4 算法应用扩展 145
    • 第12章DIPRE算法 147
    • 12.1 算法应用原理介绍 148
    • 12.2 算法数学原理介绍 151
    • 12.3 算法源码说明 152
    • 12.4 算法应用扩展 153
    • 第13章LSTM算法 155
    • 13.1 算法应用原理介绍 156
    • 13.2 算法数学原理介绍 158
    • 13.3 算法源码说明 163
    • 13.4 算法应用扩展 165
    • 第14章TransE算法 166
    • 14.1 算法应用原理介绍 167
    • 14.2 算法数学原理介绍 170
    • 14.3 算法源码说明 172
    • 14.4 算法应用扩展 174
    • 第3篇系统案例实战
    • 第15章搭建舆情分析与挖掘的系统 177
    • 15.1 系统功能设计简述 178
    • 15.2 系统模块实现详解 181
    • 15.3 系统实现源码说明 186

    上一篇:高并发Oracle数据库系统的架构与设计  下一篇:Python入门经典

    展开 +

    收起 -

     
    自然语言 相关电子书
    关于自然语言的学习笔记
    网友NO.324097

    Python自然语言处理 NLTK 库用法入门教程【经典】

    本文实例讲述了Python自然语言处理 NLTK 库用法。分享给大家供大家参考,具体如下: 在这篇文章中,我们将基于 Python 讨论自然语言处理(NLP)。本教程将会使用 Python NLTK 库。NLTK 是一个当下流行的,用于自然语言处理的 Python 库。 那么 NLP 到底是什么?学习 NLP 能带来什么好处? 简单的说,自然语言处理( NLP )就是开发能够理解人类语言的应用程序和服务。 我们生活中经常会接触的自然语言处理的应用,包括语音识别,语音翻译,理解句意,理解特定词语的同义词,以及写出语法正确,句意通畅的句子和段落。 NLP的作用 正如大家所知,每天博客,社交网站和网页会产生数亿字节的海量数据。 有很多公司热衷收集所有这些数据,以便更好地了解他们的用户和用户对产品的热情,并对他们的产品或者服务进行合适的调整。 这些海量数据可以揭示很多现象,打个比方说,巴西人对产品 A 感到满意,而美国人却对产品 B 更感兴趣。通过NLP,这类的信息可以即时获得(即实时结果)。例如,搜索引擎正是一种 NLP,可以在正确的时间给合适的人提供适当的结果。 但是搜索引擎并不是自然语言处理(NLP)的唯一应用。还有更好更加精彩的应用。 NLP的应用 以下都是自然语言处理(NLP)的一些成功应用: 搜索引擎,比如谷歌,雅……

    网友NO.448606

    Python编程使用NLTK进行自然语言处理详解

    自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。自然语言工具箱(NLTK,NaturalLanguageToolkit)是一个基于Python语言的类库,它也是当前最为流行的自然语言编程与开发工具。在进行自然语言处理研究和应用时,恰当利用NLTK中提供的函数可以大幅度地提高效率。本文就将通过一些实例来向读者介绍NLTK的使用。 NLTK NaturalLanguageToolkit,自然语言处理工具包,在NLP领域中,最常使用的一个Python库。 NLTK是一个开源的项目,包含:Python模块,数据集和教程,用于NLP的研究和开发 。 NLTK由Steven Bird和Edward Loper在宾夕法尼亚大学计算机和信息科学系开发。 NLTK包括图形演示和示例数据。其提供的教程解释了工具包支持的语言处理任务背后的基本概念。 开发环境:我所使用的Python版本是最新的3.5.1,NLTK版本是3.2。Python的安装不在本文的讨论范围内,我们略去不表。你可以从NLTK的官网上http://www.nltk.org/获得最新版本的NLTK。Anyway,使用pip指令来完成NLTK包的下载和安装无疑是最简便的方法。 当然,当你完成这一步时,其实还不够。因为NLTK是由许多许多的包来构成的,此时运行Python,并输入下面的指令(当然,第一条指令还是要导入NLTK包) import nltk nltk.download() 然后,Python Launcher会弹出下面这个界面,建议你选择安装所有的……

    网友NO.824475

    Python自然语言处理之词干,词形与最大匹配算法代码详解

    本文主要对词干提取及词形还原以及最大匹配算法进行了介绍和代码示例,Python实现,下面我们一起看看具体内容。 自然语言处理中一个很重要的操作就是所谓的stemming和lemmatization,二者非常类似。它们是词形规范化的两类重要方式,都能够达到有效归并词形的目的,二者既有联系也有区别。 1、词干提取(stemming) 定义:Stemmingistheprocessforreducinginflected(orsometimesderived)wordstotheirstem,baseorrootform—generallyawrittenwordform. 解释一下,Stemming是抽取词的词干或词根形式(不一定能够表达完整语义)。 NLTK中提供了三种最常用的词干提取器接口,即Porterstemmer,LancasterStemmer和SnowballStemmer。 PorterStemmer基于Porter词干提取算法,来看例子 from nltk.stem.porter import PorterStemmer porter_stemmer = PorterStemmer() porter_stemmer.stem(‘maximum') u'maximum' porter_stemmer.stem(‘presumably') u'presum' porter_stemmer.stem(‘multiply') u'multipli' porter_stemmer.stem(‘provision') u'provis' porter_stemmer.stem(‘owed') u'owe' Lancaster Stemmer 基于Lancaster 词干提取算法,来看例子 from nltk.stem.lancaster import LancasterStemmer lancaster_stemmer = LancasterStemmer() lancaster_stemmer.stem(‘maximum') ‘maxim' lancaster_stemmer.stem(‘presumably') ‘presum' lancaster_stemmer.stem(‘presumably') ‘presum' lancaster_stemmer.stem(‘multiply') ‘multiply' lancaster_stemmer.stem(‘prov……

    Copyright 2018-2020 xz577.com 码农之家

    电子书资源由网友、会员提供上传,本站记录提供者的基本信息及资源来路

    鸣谢: “ 码小辫 ” 公众号提供回调API服务、“ 脚本CDN ”提供网站加速(本站寻求更多赞助支持)

    版权投诉 / 书籍推广 / 赞助:520161757@qq.com

    上传资源(网友、会员均可提供)

    查看最新会员资料及资源信息