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
