自然語(yǔ)言處理(Natural Language Processing，NLP)是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向。它研究能夠?qū)崿F(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法，涉及所有用計(jì)算機(jī)對(duì)自然語(yǔ)言進(jìn)行的操作。
《Python自然語(yǔ)言處理》是自然語(yǔ)言處理領(lǐng)域的一本實(shí)用入門指南，旨在幫助讀者學(xué)習(xí)如何編寫程序來(lái)分析書(shū)面語(yǔ)言?！禤ython自然語(yǔ)言處理》基于Python編程語(yǔ)言以及一個(gè)名為NLTK的自然語(yǔ)言工具包的開(kāi)源庫(kù)，但并不要求讀者有Python編程的經(jīng)驗(yàn)。全書(shū)共11章，按照難易程度順序編排。第1章到第3章介紹了語(yǔ)言處理的基礎(chǔ)，講述如何使用小的Python程序分析感興趣的文本信息。第4章討論結(jié)構(gòu)化程序設(shè)計(jì)，以鞏固前面幾章中介紹的編程要點(diǎn)。第5章到第7章介紹語(yǔ)言處理的基本原理，包括標(biāo)注、分類和信息提取等。第8章到第10章介紹了句子解析、句法結(jié)構(gòu)識(shí)別和句意表達(dá)方法。第11章介紹了如何有效管理語(yǔ)言數(shù)據(jù)。后記部分簡(jiǎn)要討論了NLP領(lǐng)域的過(guò)去和未來(lái)。
《Python自然語(yǔ)言處理》的實(shí)踐性很強(qiáng)，包括上百個(gè)實(shí)際可用的例子和分級(jí)練習(xí)?！禤ython自然語(yǔ)言處理》可供讀者用于自學(xué)，也可以作為自然語(yǔ)言處理或計(jì)算語(yǔ)言學(xué)課程的教科書(shū)，還可以作為人工智能、文本挖掘、語(yǔ)料庫(kù)語(yǔ)言學(xué)等課程的補(bǔ)充讀物。
Python自然語(yǔ)言處理方面的之作
快速了解一些概念及基本工作原理的必讀
提供豐富英文語(yǔ)料庫(kù)和代碼，方便練習(xí)
從輸入法聯(lián)想提示(predictive text)、email過(guò)濾到自動(dòng)文本匯總、機(jī)器翻譯，大量的語(yǔ)言相關(guān)的技術(shù)都離不開(kāi)自然語(yǔ)言處理的支持，而這本書(shū)提供了自然語(yǔ)言處理的入門指南。通過(guò)本書(shū)，你將學(xué)到如何編寫能處理大量非結(jié)構(gòu)化文本的Python程序。你可以訪問(wèn)具有豐富標(biāo)注的、涵蓋了語(yǔ)言學(xué)各種數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)集，而且你將學(xué)習(xí)分析書(shū)面文檔的內(nèi)容以及結(jié)構(gòu)的主要算法。
通過(guò)大量的例子和練習(xí)，本書(shū)將幫助你：
從非結(jié)構(gòu)化文本中提取信息，無(wú)論是猜測(cè)主題還是識(shí)別“命名實(shí)體”；
分析文本的語(yǔ)言學(xué)結(jié)構(gòu)，包括語(yǔ)法和語(yǔ)義分析；
訪問(wèn)流行的語(yǔ)言學(xué)數(shù)據(jù)集，包括WordNet和treebanks；
整合從語(yǔ)言學(xué)到人工智能等多個(gè)領(lǐng)域的技術(shù)。
通過(guò)使用Python程序設(shè)計(jì)語(yǔ)言和自然語(yǔ)言工具包(NTLK)的開(kāi)源庫(kù)，本書(shū)將幫助你增加自然語(yǔ)言處理的實(shí)際經(jīng)驗(yàn)。如果你對(duì)開(kāi)發(fā)Web應(yīng)用、分析多語(yǔ)言的新聞源或編制瀕危語(yǔ)言感興趣，或者只是想要從程序員的視角看人類語(yǔ)言如何運(yùn)作，你將發(fā)現(xiàn)本書(shū)不僅有趣而且極其有用。
Steven Bird是墨爾本大學(xué)計(jì)算機(jī)科學(xué)和軟件工程系副教授，賓夕法尼亞大學(xué)語(yǔ)言學(xué)數(shù)據(jù)聯(lián)盟高級(jí)研究助理。
Ewan Klein是愛(ài)丁堡大學(xué)信息學(xué)院語(yǔ)言技術(shù)教授。
Edward Loper是畢業(yè)于賓夕法尼亞大學(xué)專注于機(jī)器學(xué)習(xí)的自然語(yǔ)言處理方向的博士，現(xiàn)在在波士頓的BBN Technologies擔(dān)任研究員。
第1章語(yǔ)言處理與Python
1.1語(yǔ)言計(jì)算：文本和詞匯
1.2近觀Python：將文本當(dāng)做詞鏈表
1.3計(jì)算語(yǔ)言：簡(jiǎn)單的統(tǒng)計(jì)
1.4回到Python:決策與控制
1.5自動(dòng)理解自然語(yǔ)言
1.6小結(jié)
1.7深入閱讀
1.8練習(xí)
第2章獲得文本語(yǔ)料和詞匯資源
2.1獲取文本語(yǔ)料庫(kù)
2.2條件頻率分布
2.3更多關(guān)于Python：代碼重用
2.4詞典資源
2.5WordNet
2.6小結(jié)
2.7深入閱讀
2.8練習(xí)
第3章處理原始文本
3.1從網(wǎng)絡(luò)和硬盤訪問(wèn)文本
3.2字符串：最底層的文本處理
3.3使用Unicode進(jìn)行文字處理
3.4使用正則表達(dá)式檢測(cè)詞組搭配
3.5正則表達(dá)式的有益應(yīng)用
3.6規(guī)范化文本
3.7用正則表達(dá)式為文本分詞
3.8分割
3.9格式化：從鏈表到字符串
3.10小結(jié)
3.11深入閱讀
3.12練習(xí)
第4章編寫結(jié)構(gòu)化程序
4.1回到基礎(chǔ)
4.2序列
4.3風(fēng)格的問(wèn)題
4.4函數(shù)：結(jié)構(gòu)化編程的基礎(chǔ)
4.5更多關(guān)于函數(shù)
4.6程序開(kāi)發(fā)
4.7算法設(shè)計(jì)
4.8Python庫(kù)的樣例
4.9小結(jié)
4.10深入閱讀
4.11練習(xí)
第5章分類和標(biāo)注詞匯
5.1使用詞性標(biāo)注器
5.2標(biāo)注語(yǔ)料庫(kù)
5.3使用Python字典映射詞及其屬性
5.4自動(dòng)標(biāo)注
5.5N-gram標(biāo)注
5.6基于轉(zhuǎn)換的標(biāo)注
5.7如何確定一個(gè)詞的分類
5.8小結(jié)
5.9深入閱讀
5.10練習(xí)
第6章學(xué)習(xí)分類文本
6.1監(jiān)督式分類
6.2監(jiān)督式分類的舉例
6.3評(píng)估
6.4決策樹(shù)
6.5樸素貝葉斯分類器
6.6較大熵分類器
6.7為語(yǔ)言模式建模
6.8小結(jié)
6.9深入閱讀
6.10練習(xí)
第7章從文本提取信息
7.1信息提取
7.2分塊
7.3開(kāi)發(fā)和評(píng)估分塊器
7.4語(yǔ)言結(jié)構(gòu)中的遞歸
7.5命名實(shí)體識(shí)別
7.6關(guān)系抽取
7.7小結(jié)
7.8深入閱讀
7.9練習(xí)
第8章分析句子結(jié)構(gòu)
8.1一些語(yǔ)法困境
8.2文法的用途
8.3上下文無(wú)關(guān)文法
8.4上下文無(wú)關(guān)文法分析
8.5依存關(guān)系和依存文法
8.6文法開(kāi)發(fā)
8.7小結(jié)
8.8深入閱讀
8.9練習(xí)
第9章建立基于特征的文法
9.1文法特征
9.2處理特征結(jié)構(gòu)
9.3擴(kuò)展基于特征的文法
9.4小結(jié)
9.5深入閱讀
9.6練習(xí)
第10章分析語(yǔ)句的含義
10.1自然語(yǔ)言理解
10.2命題邏輯
10.3一階邏輯
10.4英語(yǔ)語(yǔ)句的語(yǔ)義
10.5段落語(yǔ)義層
10.6小結(jié)
10.7深入閱讀
10.8練習(xí)
第11章語(yǔ)言數(shù)據(jù)管理
11.1語(yǔ)料庫(kù)結(jié)構(gòu)：案例研究
11.2語(yǔ)料庫(kù)生命周期
11.3數(shù)據(jù)采集
11.4使用XML
11.5使用Toolbox數(shù)據(jù)
11.6使用OLAC元數(shù)據(jù)描述語(yǔ)言資源
11.7小結(jié)
11.8深入閱讀
11.9練習(xí)
后記
參考文獻(xiàn)
“少有的一本書(shū)，用如此清晰的方法如此優(yōu)美整潔的代碼處理一個(gè)如此復(fù)雜的計(jì)算機(jī)問(wèn)題……這是一本從中可以學(xué)習(xí)自然語(yǔ)言處理的書(shū)。”
——Ken Getz, MCW Technologies高級(jí)顧問(wèn)
書(shū)是湊合，我本身要求店家開(kāi)一個(gè)普通發(fā)票，有稅號(hào)的就行，用于學(xué)校報(bào)銷，店家給我開(kāi)的發(fā)票沒(méi)按我的要求，沒(méi)稅號(hào)，聯(lián)系客服，告訴我月底開(kāi)。結(jié)果到月底，說(shuō)還是開(kāi)不了，要我把發(fā)票寄回去，重新開(kāi)，郵費(fèi)還要我自己掏。同一時(shí)間我在當(dāng)當(dāng)買了另一本書(shū)，人家店家就開(kāi)的合適。而你們這家一開(kāi)始就推脫我，一點(diǎn)誠(chéng)意都沒(méi)有，到月底還讓我自己把發(fā)票寄回去。差評(píng)。。糟心的一次購(gòu)物
很好，質(zhì)量不錯(cuò)，實(shí)用性強(qiáng)專業(yè)性強(qiáng)好。
內(nèi)容不錯(cuò)，和我想的不太一樣
要好好學(xué)習(xí)
喜歡python的喜歡數(shù)據(jù)挖掘的朋友可以看一下
是根據(jù)影印版翻譯的，其實(shí)建議看網(wǎng)頁(yè)上的最新版...
期待已久的一本書(shū)，國(guó)內(nèi)終于引進(jìn)了。網(wǎng)上之前有人義務(wù)翻譯了一個(gè)電子版，很贊
書(shū)很不錯(cuò)，只是包裝太單薄，兩本書(shū)都被磨的很厲害，快遞太不負(fù)責(zé)了。
有幾處黏頁(yè)的現(xiàn)象，用手輕輕撕開(kāi)，個(gè)別字也被撕掉了
還不錯(cuò)，不過(guò)原作者是外國(guó)人，處理都是英文，如果來(lái)做中文的話，還是需要更進(jìn)一步的努力！
理論與實(shí)踐結(jié)合相當(dāng)緊密，將PYTHON編程落實(shí)到NLP各個(gè)方面，有利于讀者掌握NLTK。
慢慢看，雖然以前沒(méi)接觸過(guò)，但總得學(xué)點(diǎn)什么不是嗎
實(shí)用性強(qiáng)，推薦。對(duì)于初學(xué)或入門級(jí)的讀者都考慮到，書(shū)的內(nèi)容編排對(duì)讀者很友好。
書(shū)很好，但是翻譯的不太好，網(wǎng)站有英文版適用Python3的教程
好書(shū)，實(shí)踐性很強(qiáng)，python是無(wú)所不能的，適合擴(kuò)充python的知識(shí)，有一定難度
雖然是英文翻譯過(guò)來(lái)的，但是總體思想還是值得一看的
不錯(cuò)，挺實(shí)用的，但是需要一定的Python的基礎(chǔ)
從最基本的金融數(shù)據(jù)分析工具入手，可以很快的上手python數(shù)據(jù)分析
好，對(duì)于實(shí)戰(zhàn)較好。解決課程實(shí)驗(yàn)，與報(bào)告，很有幫助。
在學(xué)習(xí)Python 機(jī)器學(xué)習(xí)，這本書(shū)非常適合
統(tǒng)計(jì)專業(yè)R已經(jīng)不夠用了，必須要學(xué)習(xí)Python了。。。。老師推薦用書(shū)。
這是一本很不錯(cuò)的值得學(xué)習(xí)的書(shū)，比較系統(tǒng)和全面，只是更多的是對(duì)英文的語(yǔ)言處理，收益很多
很適合python和自然語(yǔ)言處理的初學(xué)者，內(nèi)容深入淺出，一開(kāi)始對(duì)基礎(chǔ)知識(shí)幾乎沒(méi)有什么要求，學(xué)過(guò)編程的話更容易上手
還沒(méi)看，不過(guò)應(yīng)該要看啦！Python還是比較好用的！
這本書(shū)簡(jiǎn)述了python2.x的一些簡(jiǎn)單的語(yǔ)法與使用，只要具備了一部分編程基礎(chǔ)的人都能在短期內(nèi)迅速上手，這樣可以把更多的時(shí)間放在語(yǔ)言處理上。
主要介紹英文自然語(yǔ)言的數(shù)據(jù)挖掘，很詳細(xì)，要是能介紹中文文本的數(shù)據(jù)挖掘就更好，畢竟中文比英文更難挖掘分析
《Python自然語(yǔ)言處理》是關(guān)于python進(jìn)階的教材，涉及到大量自然語(yǔ)言處理的實(shí)際應(yīng)用案例，具有極強(qiáng)的參考價(jià)值和學(xué)習(xí)價(jià)值，非常值得購(gòu)買。
很好啊，這本書(shū)非常經(jīng)典，六一兒童節(jié)優(yōu)惠很大，一次性買了好多。書(shū)真的不錯(cuò)，尤其是內(nèi)容