Python 自然語言處理 — 算法、技術及項目案例實戰 (微課視頻版)

在大數據和智能社會不斷發展的大背景下，如何培養人工智能應用型技術人才，日益成為社會各界關註的焦點。本書應此需求而作，系統分析了基於Python語言的自然語言處理相關基礎理論、常用算法、基礎技術以及實戰實例應用。 本書內容緊密圍繞自然語言處理，共可分為3篇（共12章）： 基礎篇（第1～5章），重點介紹自然語言處理的基本概念、基本理論、常用算法以及基本技術，包括詞處理、句法分析、文本向量化以及輿情分析和預測分析等； 過渡篇（第6章），重點分析深度學習的基本知識與基本理論，以及與自然語言處理的關系，同時通過實戰實例介紹深度學習在自然語言處理領域的實際應用； 綜合應用篇（第7～12章），基於各種智能應用開發技術和開發平臺，介紹其在自然語言處理方面的實例，並具體討論智能應用的部署方法和部署後的驗證方法。全書各章提供了與本章主要內容配套的應用實例，每章後均附有復習習題。讀者可以結合思維導圖掌握教材的整體知識體系結構，參考附錄的上機操作手冊獲得運行實例代碼所需要的環境準備和環境設置相關知識。 本書可作為高等學校電腦類、人工智能類、商務類以及管理類專業的學生教材，也可供從事相關領域的專業技術開發人員和軟件技術人員參考。

 

目錄

 

 

 

隨書資源

 

 

 

環境說明

 

基礎篇

 

第1章自然語言處理概述

 

1.1自然語言處理

 

1.1.1自然語言處理主要研究對象

 

1.1.2自然語言處理分類

 

1.1.3自然語言處理面臨的挑戰

 

1.1.4自然語言處理重要術語

 

1.2自然語言處理發展歷程

 

1.2.1概念形成階段

 

1.2.2算法發展階段

 

1.2.3規模創新階段

 

1.3自然語言理解

 

1.4自然語言生成

 

1.5自然語言處理、人工智能與數據挖掘

 

1.6文本相似度實例

 

小結

 

關鍵術語

 

習題

 

第2章詞處理

 

2.1分詞和停頓

 

2.1.1分詞

 

2.1.2停頓

 

2.2正則表達式

 

2.3規則分詞

 

2.3.1正向最大匹配法

 

2.3.2逆向最大匹配法

 

2.3.3雙向最大匹配法

 

2.4統計分詞

 

2.4.1隱馬爾可夫模型

 

2.4.2維特比算法

 

2.4.3條件隨機場模型

 

2.5混合分詞

 

2.6關鍵詞提取

 

2.6.1無監督關鍵詞提取

 

2.6.2有監督關鍵詞提取

 

2.7詞性標註

 

2.8命名實體識別

 

小結

 

關鍵術語

 

習題

 

 

 

 

 

第3章句法分析

 

3.1句法分析概述

 

3.1.1句法分析概要

 

3.1.2句法樹

 

3.1.3常用句法分析相關數據集簡介

 

3.2句法分析方法

 

3.3神經網絡句法分析

 

3.4句法分析算法

 

3.5句法分析工具

 

3.6斯坦福句法分析實例

 

小結

 

關鍵術語

 

習題

 

第4章文本向量化

 

4.1文本向量化簡介

 

4.1.1文本向量化概述

 

4.1.2文本向量化常見模型

 

4.2文本向量化實例

 

4.2.1案例實現步驟

 

4.2.2案例總結

 

小結

 

關鍵術語

 

習題

 

第5章輿情分析和預測分析

 

5.1輿情分析概述

 

5.1.1輿情分析研究對象

 

5.1.2情感分析方法

 

5.2預測分析概述

 

5.3電影評論情感分析實例

 

5.4用戶罹患癌症預測實例

 

小結

 

關鍵術語

 

習題

 

過渡篇

 

第6章深度學習與自然語言處理

 

6.1深度學習

 

6.1.1深度學習概述

 

6.1.2神經元模型

 

6.1.3激活函數

 

6.1.4梯度下降法

 

6.2捲積神經網絡

 

 

6.3循環神經網絡

 

6.3.1循環神經網絡概述

 

6.3.2長短時記憶網絡

 

6.4深度信念網絡

 

6.5深度學習常用算法簡介

 

6.5.1生成對抗網絡

 

6.5.2自編碼網絡

 

6.5.3增強學習

 

6.5.4多層感知機

 

6.5.5自組織映射神經網絡

 

6.5.6徑向基函數網絡

 

6.5.7反向傳播算法

 

6.5.8連接時序分類

 

6.6深度學習平臺簡介

 

6.6.1谷歌深度學習平臺

 

6.6.2百度深度學習平臺

 

6.6.3阿裡雲深度學習平臺

 

6.6.4騰訊雲深度學習平臺

 

6.7基於深度學習的手寫字體識別實例

 

6.7.1案例說明

 

6.7.2案例素材準備

 

6.7.3案例實現步驟

 

6.7.4案例實現效果

 

6.7.5案例總結

 

小結

 

關鍵術語

 

習題

 

綜合應用篇

 

第7章商務智能客服

 

7.1自然語言處理與商務智能

 

7.2商務智能應用開發常用庫簡介

 

7.2.1Gensim

 

7.2.2NLTK

 

7.2.3SpaCy

 

7.2.4TensorFlow

 

7.2.5PyTorch

 

7.2.6Theano

 

7.2.7Keras 

 

7.3充實商務智能客服的情感 

 

7.4商務智能未來發展趨勢

 

7.5商務智能實戰： 聊天客服

 

7.5.1案例說明

 

7.5.2案例實現步驟

 

小結

 

關鍵術語

 

習題

 

第8章對話流商務智能

 

8.1商務智能客服功能結構

 

8.2商務智能客服設計要素

 

8.3對話流概述

 

8.3.1對話流框架

 

8.3.2對話流基本概念

 

8.3.3對話流框架圖

 

8.4商務智能客服案例

 

8.4.1自動身份驗證客服

 

8.4.2基於圖像、人臉和文字識別的客服

 

8.4.3導航客服

 

8.5基於對話流的商務智能客服實戰

 

小結

 

關鍵術語

 

習題

 

第9章問答智能客服

 

9.1問答智能客服功能架構

 

9.1.1問答智能客服簡介

 

9.1.2智能問答客服功能架構

 

9.2智能問答客服框架

 

9.2.1問題處理

 

9.2.2問題映射

 

9.2.3查詢構建

 

9.2.4知識推理

 

9.2.5消歧排序

 

9.3問答智能客服實戰

 

9.3.1基於遠程交互模式問答客服

 

9.3.2基於本地交互模式問答客服

 

9.3.3基於定製型問答客服實例

 

小結

 

關鍵術語

 

習題

 

第10章張量流商務智能

 

10.1序列序列機制

 

10.1.1序列序列機制概述

 

10.1.2註意力機制

 

10.2集束搜索概述

 

10.3智能客服開發流程

 

10.3.1智能客服的主要功能

 

10.3.2智能客服設計

 

10.4張量流商務智能實戰

 

10.4.1張量流概念簡介

 

10.4.2優化算法

 

10.4.3損失計算

 

10.4.4模型評估

 

10.4.5向量嵌入

 

10.4.6神經網絡

 

10.4.7中文語料處理

 

10.4.8實現步驟

 

小結

 

關鍵術語

 

習題

 

第11章Rasa商務智能

 

11.1Rasa NLU概述

 

11.1.1Rasa框架

 

11.1.2Rasa NLU

 

11.2數據準備

 

11.3模型訓練

 

11.4Rasa Core概述

 

11.5交互式學習

 

11.6Rasa商務智能應用測試

 

小結

 

關鍵術語

 

習題

 

第12章商務智能應用部署

 

12.1商務智能應用技術簡介

 

12.1.1HTML基礎

 

12.1.2CSS基礎

 

12.1.3Bootstrap基礎

 

12.1.4JavaScript基礎

 

12.1.5jQuery 基礎

 

12.1.6AJAX 基礎

 

12.2部署商務智能應用

 

12.2.1部署流程型商務智能應用

 

12.2.2部署訓練型商務智能應用

 

12.3商務智能應用部署後驗證

 

12.3.1基於流程型部署驗證

 

12.3.2基於訓練型部署驗證

 

小結

 

關鍵術語

 

習題

 

附錄A學生上機手冊

 

A.1Python安裝

 

A.2PyCharm安裝

 

A.3PyCharm環境配置

 

A.4實例上機操作步驟

 

參考文獻