自然語言處理技術入門與實戰(zhàn)

第1篇語義模型詳解
第1章關鍵詞抽取模型 3
1.1 TF-IDF算法實現(xiàn)關鍵詞抽取 4
1.2 TextRank算法實現(xiàn)關鍵詞抽取 11
1.3 基于語義的統(tǒng)計語言模型實現(xiàn)關鍵詞抽取 16
第2章短語抽取模型 22
2.1 基于互信息和左右信息熵實現(xiàn)短語抽取 23
2.2 TextRank算法實現(xiàn)短語抽取 28
2.3 LDA算法實現(xiàn)短語抽取 31
第3章自動摘要抽取模型 38
3.1 決策樹算法實現(xiàn)自動摘要 39
3.2 基于邏輯回歸算法實現(xiàn)自動摘要 44
3.3 貝葉斯算法實現(xiàn)自動摘要 50
第4章深度學習——計算任意詞距離模型 55
4.1 FP-Growth算法實現(xiàn)詞距離計算 56
4.2 N-Gram算法實現(xiàn)詞距離計算 61
4.3 BP算法實現(xiàn)詞距離計算 65
第5章拼音漢字混合識別模型 70
5.1 貝葉斯模型實現(xiàn)拼音漢字混合識別 71
5.2 HMM模型實現(xiàn)拼音漢字混合識別 75
5.3 RNN神經(jīng)網(wǎng)絡模型實現(xiàn)拼音漢字混合識別 80
第6章文本自動生成模型 87
6.1 基于關鍵詞的文本自動生成模型 88
6.2 RNN模型實現(xiàn)文本自動生成 93
第2篇自然語言處理系統(tǒng)基礎算法
第7章Dijkstra算法 101
7.1 算法應用原理介紹 102
7.2 算法數(shù)學原理介紹 102
7.3 算法源碼說明 106
7.4 算法應用擴展 107
第8章AC-DoubleArrayTrie算法 108
8.1 算法應用原理介紹 109
8.2 算法數(shù)學原理介紹 111
8.3 算法應用擴展 116
第9章最大熵算法 117
9.1 算法應用原理介紹 118
9.2 算法數(shù)學原理介紹 119
9.3 算法源碼說明 124
9.4 算法應用擴展 125
第10章CRF算法 126
10.1 算法應用原理介紹 127
10.2 算法數(shù)學原理介紹 130
10.3 算法源碼說明 135
10.4 算法應用擴展 136
第11章馬爾可夫邏輯網(wǎng)算法 137
11.1 算法應用原理介紹 138
11.2 算法數(shù)學原理介紹 142
11.3 算法源碼說明 144
11.4 算法應用擴展 145
第12章DIPRE算法 147
12.1 算法應用原理介紹 148
12.2 算法數(shù)學原理介紹 151
12.3 算法源碼說明 152
12.4 算法應用擴展 153
第13章LSTM算法 155
13.1 算法應用原理介紹 156
13.2 算法數(shù)學原理介紹 158
13.3 算法源碼說明 163
13.4 算法應用擴展 165
第14章TransE算法 166
14.1 算法應用原理介紹 167
14.2 算法數(shù)學原理介紹 170
14.3 算法源碼說明 172
14.4 算法應用擴展 174
第3篇系統(tǒng)案例實戰(zhàn)
第15章搭建輿情分析與挖掘的系統(tǒng) 177
15.1 系統(tǒng)功能設計簡述 178
15.2 系統(tǒng)模塊實現(xiàn)詳解 181
15.3 系統(tǒng)實現(xiàn)源碼說明 186