基于Python的智能文本分析
作 者: (美)本杰明·班福特(Benjamin Bengfort),(美)瑞贝卡·比尔布罗(Rebecca Bilbro),(美)托尼·奥杰达(Tony Ojeda) 著 陈光 译
定 价: 88
出 版 社: 中国电力出版社
出版日期: 2017年12月01日
页 数: 328
装 帧: 平装
ISBN: 9787519838294
●前言1
章语言与计算13
数据科学范式14
语言感知数据产品16
语言即数据21
小结29
第2章构建自定义语料库31
语料库是什么？32
语料库数据管理35
语料库读取器39
小结49
第3章语料库预处理与处置50
分解文档50
语料库的转换60
小结67
第4章文本向量化和转换流水线68
空间中的词69
Scikit-LearnAPI81
流水线88
小结93
第5章面向文本分析的文本分类95
文本分类96
构建文本分类应用99
小结110
第6章文本相似性聚类112
文本上的无监督学习112
文档相似性聚类114
文档主题建模127
小结139
第7章上下文感知文本分析140
基于语法的特征提取141
n-Gram特征提取147
n-Gram语言模型155
小结165
第8章文本可视化166
可视化特征空间167
模型诊断185
可视化操纵193
小结196
第9章文本的图分析198
图计算与分析200
从文本中抽取图204
实体解析216
小结221
0章聊天机器人223
对话基础224
礼貌对话规则231
有趣的问题239
学习帮助250
小结257
1章利用多处理和Spark扩展文本分析259
Python多处理260
Spark集群计算271
小结289
2章深度学习与未来291
应用神经网络292
神经网络语言模型292
情感分析303
未来（几乎）已来309
词汇表311
内容简介
·预处理并将文本向量化成高维特征表示。
·执行文档分类和主题建模。
·通过可视化诊断指导模型选择过程。
·提取关键短语、命名实体和图结构，实现文本数据推断。
·建立对话框架，实现聊天机器人和语言驱动交互。
·用Spark扩展处理能力，用神经网络实现对更复杂模型的支持。
前言我们生活在一个充满各种各样数字助理的世界，这使我们能与其他人以及大量的信息资源建立联系。这些智能设备的部分吸引力，在于它们不仅能传达信息；在一定程度上，它们也能理解信息，将大量数据聚合、过滤和汇总，处理成易于理解的形式，在高层次上促进人与人的交互。机器翻译、问答系统、语音识别、文本摘要，以及聊天机器人等应用，正成为我们计算生活中不可或缺的一部分。如果已经浏览过本书，那么你可能会和我们一样，对将自然语言理解组件包含在更广泛的应用和软件中的可能性感到兴奋。语言理解组件建立在现代文本分析框架之上：结合了字符串操作、词汇资源、计算语言学和机器学习算法等技术、方法的工具包，用来在语言数据和机器可理解形式之间进行相互转换。不过，在我们开始讨论这些方法和技术之前，明确这套框架的挑战和机遇，以及为什么现在讨论这些正当其时这两个问题非常重要。典型的美国高中毕业生已经记住了大约60000 个单词和数千个语......
评论晒单