自然语言处理与计算语言学

1.Python开源社区资深供稿人撰写，基于Python语言
2.计算语言学领域为数不多的作品之一
3.文本分析实用指南
4.技术实用性强，侧重于技术细节的实现
5.平衡了理论与实战案例之间的关系，可以在掌握理论知识的同时，运行自己的自然语言处理项目
6.提供源码下载

使用Python和开源工具可以非常方便地进行现代文本分析，因此，在这个文本数据时代有必要掌握现代文本分析的方法。
本书介绍了如何使用自然语言处理和计算语言学算法对所拥有的数据进行推理并获得洞察力。这些算法以统计机器学习和人工智能技术为基础。现在，使用了这些算法的工具唾手可得，并可在Python、Gensim和spaCy等工具中使用。
本书从数据清理开始介绍，然后介绍了计算语言学的相关概念。在掌握了这些内容之后，接下来就可以使用真实的语言和文本，并借助Python来探索统计NLP和深度学习的更复杂领域。你将学到如何使用合适的工具来标注、解析和建模文本，并掌握相应框架工具的使用知识，还将知道何时选为主题模型选择Gensim这样的工具，以及何时使用Keras进行深度学习。
本书很好地平衡了理论与实战案例之间的关系，因此你可以在掌握理论知识的同时，执运行自己的自然语言处理项目。你将发现Python这一自然语言处理工具所具有的丰富的生态系统，并将进入现代文本分析的有趣世界。

本书内容：
文本分析为什么在当今时代如此重要；
理解NLP术语并了解各种Python工具与数据集；
如何预处理以及清理文本数据；
将文本数据转换为矢量空间表示；
使用spaCy处理文本；
针对计算语言学训练自己的NLP模型；
借助于Gensim和scikit-learn，针对文本使用统计学习和主题建模算法；
借助于Keras，使用各种深度学习技术进行文本分析。

自然语言处理是一门融语言学、计算机科学、数学于一体的科学，研究人与计算机之间用自然语言进行有效通信的各种理论和方法。计算语言学是指通过建立形式化的数学模型来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，旨在以机器来模拟人的部分或全部语言能力的目的。
《自然语言处理与计算语言学》作为一本借助于Python编程语言以及各种开源工具（如Gensim、spaCy等）来执行文本分析、自然语言处理和计算语言学算法的图书，从应用层面介绍了相关的理论知识和所涉及的技术。《自然语言处理与计算语言学》共分为15章，其内容涵盖了文本分析的定义、使用Python进行文本分析的技巧、spaCy语言模型、Gensim工具、词性标注及其应用、NER标注及其应用、依存分析、主题模型、高级主题建模、文本聚类和文本分类、查询词相似度计算和文本摘要、词嵌入、使用深度学习处理文本、使用Keras和spaCy进行深度学习、情感分析与聊天机器人的原理介绍等。
《自然语言处理与计算语言学》适合对自然语言处理的实现细节感兴趣的Python程序开发人员阅读。如果读者具备统计学的基本知识，对学习本书内容会大有裨益。

Bhargav Srinivasa-Desikan 是就职于法国INRIA公司（位于里尔）的一名研究人员。作为MODAL（数据分析与机器建模）小组的一员，致力于度量学习、预测聚合和数据可视化等研究领域。同时，他也是Python开源社区的一名活跃贡献者，在2016年度Google的夏季编程赛上，他通过Gensim实现了动态主题模型。Bhargav是欧洲和亚洲PyCons和PyDatas的常客，并使用Python进行文本分析教学。他也是Python机器学习软件包pycobra的维护者，还在Machine Learning Research杂志上发表过相关文章。

第 1章　什么是文本分析 1
1．1　什么是文本分析　1
1．2　搜集数据　5
1．3　若输入错误数据，则输出亦为错误数据（garbage in，garbage out）　8
1．4　为什么你需要文本分析　9
1．5　总结　11
第　2章 Python文本分析技巧　12
2．1　为什么用Python来做文本分析　12
2．2　用Python进行文本操作　14
2．3　总结　18
第3章　spaCy语言模型　19
3．1　spaCy库　19
3．2　spaCy的安装步骤　21
3．3　故障排除　22
3．4　语言模型　22
3．5　安装语言模型　23
3．6　安装语言模型的方式及原因　25
3．7　语言模型的基本预处理操作　25
3．8　分词　26
3．9　词性标注　28
3．10　命名实体识别　29
3．11　规则匹配　30
3．12　预处理　31
3．13　总结　33
第4章　Gensim：文本向量化、向量变换和n-grams的工具　34
4．1　Gensim库介绍　34
4．2　向量以及为什么需要向量化　35
4．3　词袋（bag-of-words）　36
4．4　TF-IDF（词频-反向文档频率）　37
4．5　其他表示方式　38
4．6　Gensim中的向量变换　38
4．7　n-grams及其预处理技术　42
4．8　总结　44
第5章　词性标注及其应用　45
5．1　什么是词性标注　45
5．2　使用Python实现词性标注　49
5．3　使用spaCy进行词性标注　50
5．4　从头开始训练一个词性标注模型　53
5．5　词性标注的代码示例　57
5．6　总结　59
第6章　NER标注及其应用　60
6．1　什么是NER标注　60
6．2　用Python实现NER标注　64
6．3　使用spaCy实现NER标注　67
6．4　从头开始训练一个NER标注器　72
6．5　NER标注应用实例和可视化　77
6．6　总结　79
第7章　依存分析　80
7．1　依存分析　80
7．2　用Python实现依存分析　85
7．3　用spaCy实现依存分析　87
7．4　从头开始训练一个依存分析器　91
7．5　总结　98
第8章　主题模型　99
8．1　什么是主题模型　99
8．2　使用Gensim构建主题模型　101
8．3　隐狄利克雷分配（Latent Dirichlet Allocation）　102
8．4　潜在语义索引（Latent Semantic Indexing）　104
8．5　分层狄利特雷过程（Hierarchical Dirichlet Process）　105
8．6　动态主题模型　108
8．7　使用scikit-learn构建主题模型　109
8．8　总结　112
第9章　高级主题建模　113
9．1　高级训练技巧　113
9．2　探索文档　117
9．3　主题一致性和主题模型的评估　121
9．4　主题模型的可视化　123
9．5　总结　127
第　10章 文本聚类和文本分类　128
10．1　文本聚类　128
10．2　聚类前的准备工作　129
10．3　K-means　132
10．4　层次聚类　134
10．5　文本分类　136
10．6　总结　138
第　11章 查询词相似度计算和文本摘要　139
11．1　文本距离的度量　139
11．2　查询词相似度计算　145
11．3　文本摘要　147
11．4　总结　153
第　12章 Word2Vec、Doc2Vec和Gensim　154
12．1　Word2Vec　154
12．2　用Gensim实现Word2Vec　155
12．3　Doc2Vec　160
12．4　其他词嵌入技术　166
12．5　总结　172
第　13章 使用深度学习处理文本　173
13．1　深度学习　173
13．2　深度学习在文本上的应用　174
13．3　文本生成　177
13．4　总结　182
第　14章 使用Keras和spaCy进行深度学习　183
14．1　Keras和spaCy　183
14．2　使用Keras进行文本分类　185
14．3　使用spaCy进行文本分类　191
14．4　总结　201
第　15章 情感分析与聊天机器人　202
15．1　情感分析　202
15．2　基于Reddit的新闻数据挖掘　205
15．3　基于Twitter的微博数据挖掘　207
15．4　聊天机器人　209
15．5　总结　217