书籍详情
自然语言处理NLP从入门到项目实战：Python语言实现
作者：艾浒 著
出版社：北京大学出版社
出版时间：2021-11-01
ISBN：9787301324837
定价：¥89.00
购买这本书可以去
内容简介
本书从人工智能和自然语言处理技术的基础原理讲起，逐步深入自然语言处理进阶实战，并配有实战代码讲解，重点介绍了使用开源技术、人工智能开放平台，以及使用国内外优秀开发框架进行基于规则、统计、深度学习的自然语言处理程序开发，让读者全面掌握理论基础，并学以致用。 本书分为12章，主要包括学习人工智能原理、自然语言处理技术、掌握深度学习模型、NLP开源技术实战、Python神经网络计算实战、AI语音合成有声小说实战、玩转词向量、近义词查询系统实战、机器翻译系统实战、文本情感分析系统实战、电话销售语义分析系统实战人工智能辅助写作系统。 本书内容通俗易懂，案例丰富，实用性强，特别适合使用Python语言人工智能自然语言处理的入门和进阶的读者阅读，也适合产品经理、人工智能研究者等对人工智能自然语言处理感兴趣的读者阅读。另外，本书也适合作为相关培训机构的教材使用。
作者简介
艾浒 北京大学计算机专业学士 北京百灵互联科技有限公司创始人兼CTO 芭莎宝贝（北京）文化传媒有限公司联合创始人兼CTO 北京生生万年科技CTO 15年人工智能科技/互联网/媒体行业经验 快手/百度/京东/喜马拉雅/蚂蚁集团等知名“大厂”特约撰稿人，在知乎上获得4000万阅读量 发明专利：一种人工智能辅助写作系统 软件著作权：百灵AI智能写作平台
目录
篇 人工智能自然语言处理基础篇
第1章 人工智能原理
1.1 人工智能简史
1.1.1 意识研究历史及经典理论
1.1.2 意识研究的热点问题和经典答案
1.1.3 人工智能经典理论
1.1.4 人工智能的本质
1.2 神经网络原理
1.2.1 神经科学家
1.2.2 神经科学经典理论
1.2.3 学习和记忆的原理
1.2.4 神经网络模型
1.3 矩阵与思维
1.3.1 矩阵与树突
1.3.2 矩阵与联想
第2章 掌握自然语言处理技术
2.1 自然语言处理技术与人工智能
2.1.1 自然语言处理技术与人工智能的关系
2.1.2 NLP技术的定义与分类
2.2 NLP技术概述
2.2.1 NLP算法的三个发展阶段
2.2.2 基于规则的NLP算法
2.2.3 基于统计的NLP算法
2.2.4 基于深度学习的NLP算法
2.3 NLP商业技术
2.3.1 百度NLP技术
2.3.2 科大讯飞的NLP技术
2.3.3 腾讯的NLP技术
2.4 小结
第3章 掌握深度学习模型
3.1 深度学习与人工智能
3.1.1 机器学习定义
3.1.2 机器学习评估标准
3.2 深度学习模型的基础知识
3.2.1 NNLM模型
3.2.2 Word2vec模型
3.2.3 fastText模型
3.2.4 TextCNN模型
3.2.5 Seq2Seq模型
3.3 深度学习模型进阶知识
3.3.1 基于Encoder-Decoder框架的注意力机制
3.3.2 引入Attention机制的RNN模型
3.3.3 Attention进阶知识
3.3.4 Transformer模型
3.3.5 GPT模型
第二篇 自然语言处理系统实战篇
第4章 NLP开源技术实战
4.1 NLP开发工具简介与环境搭建
4.1.1 Python 2和Python 3
4.1.2 运行Python代码片段
4.1.3 在不同操作系统中搭建Python编程环境
4.1.4 在Linux系统中搭建Python编程环境
4.1.5 在Windows系统中搭建Python编程环境
4.1.6 安装Anaconda科学包
4.2 掌握Visual Studio Code 源代码编辑器
4.2.1 VSCode 安装与启动
4.2.2 为VSCode配置Python解析器
4.2.3 使用VSCode运行Python代码
4.2.4 使用VSCode调试Python代码
4.3 开源社区GitHub的简介与环境搭建
4.3.1 GitHub Desktop安装方法
4.3.2 使用GitHub发布代码仓库
4.3.3 使VSCode与GitHub协作
4.4 jieba NLP技术实战
4.4.1 结巴（jieba）分词简介
4.4.2 在VSCode中安装jieba分词工具
4.4.3 在VSCode中调用jieba分词的主要功能
4.4.4 jieba分词代码详解
4.4.5 jieba自定义词典实战
4.4.6 jieba词性标注实战
4.5 jiagu NLP技术实战
4.5.1 甲骨（jiagu）分词简介
4.5.2 jiagu安装与入门实战
4.5.3 jiagu命名实体识别、文本摘要、知识图谱、情感分析、文本聚类实战
4.6 斯坦福大学开源NLP实战
4.6.1 Stanza简介与安装
4.6.2 通用依赖树库简介与下载
4.6.3 Stanza流水线自然语言处理实战
4.6.4 Stanza流水线与工序实战
4.6.5 详解Stanza中的对象
4.6.6 Stanza的依存句法分析实战
4.6.7 Graphviz&NetworkX依存句法图形化实战
4.7 百度开源中文词汇分析LAC 2.0实战
4.7.1 LAC 2.0简介
4.7.2 LAC 2.0 安装与基础功能实战
4.8 小结
第5章 Python神经网络计算实战
5.1 TensorFlow
5.1.1 TensorFlow生态系统和社区资源
5.1.2 TensorFlow 2.x的版本与特性
5.2 CPUGPU环境搭建
5.2.1 TensorFlow的CPU环境搭建
5.2.2 TensorFlow的GPU环境搭建
5.3 Keras手写识别实战
5.3.1 神经网络输入、输出实战
5.3.2 神经网络的结构定义
5.3.3 经典神经网络模型
5.3.4 神经网络评价函数
5.3.5 运行神经网络
5.4 其他神经网络工具包
5.4.1 PyTorch简介
5.4.2 使用 PyTorch 编写LSTM词性识别实战
5.5 小结
第6章 AI语音合成有声小说实战
6.1 Python互联网编程实战
6.1.1 Python的HTTP编程实战
6.1.2 Python的WebSocket编程实战
6.2 JSON数据结构原理与实战
6.2.1 JSON数据交换格式原理
6.2.2 Python语言的JSON编程实战
6.3 AI语音合成实战
6.3.1 科大讯飞NLP服务
6.3.2 AI语音合成有声小说实战
6.3.3 NLP商业API的HTTP调用实战
第7章 玩转词向量
7.1 词向量原理
7.1.1 词向量技术的发展
7.1.2 掌握开源词向量技术
7.1.3 词向量下载
7.2 词向量数据结构优化
7.2.1 掌握数据库技术
7.2.2 使用Pymssql操作数据库
7.2.3 词向量入库
7.3 词向量使用方法
7.3.1 掌握数据库的查询方法
7.3.2 使用Python操作数据库查询结果
7.4 小结
第8章 近义词查询系统实战
8.1 近义词查询系统原理
8.1.1 近义词向量相似度
8.1.2 文本相似度
8.2 中文词语相似度计算
8.2.1 词向量相似度算法原理
8.2.2 词向量相似度算法实现
8.3 近义词系统实战
8.3.1 词向量加载
8.3.2 近义词查询
8.3.3 相似度排序与效率优化
8.4 小结
第9章 机器翻译系统实战
9.1 基于商业云服务的机器翻译实战
9.1.1 机器翻译的历史、商业前景及应用范围
9.1.2 Niutrans机器翻译实战
9.2 深度神经网络机器翻译实战
9.2.1 深度学习数据集预处理实战
9.2.2 引入注意力机制的Encoder-Decoder深度神经网络配置实战
9.2.3 引入注意力机制的Encoder-Decoder深度神经网络训练实战
第10章 文本情感分析系统实战
10.1 情绪认知理论
10.1.1 情绪认知经典理论
10.1.2 计算机情绪认知技术
10.2 文本情感分析系统原理
10.2.1 基于规则和统计的情感分析系统
10.2.2 基于深度学习的情感分析系统
10.3 基于规则文本情感分析系统实战
10.3.1 词库设计原理
10.3.2 情绪分数计算
10.4 基于深度学习的文本情感分析系统实战
10.4.1 LightGBM的安装与简介
10.4.2 掌握LightGBM的使用方法
10.4.3 Kaggle人工智能算法竞赛平台的使用方法
10.4.4 使用LightGBM实现情感分析实战
10.4.5 Paddle EasyDL平台ERNIE深度神经网络训练实战
10.4.6 EasyDL电商行业评论情绪分类系统部署
10.5 小结
第11章 电话销售语义分析系统实战
11.1 掌握语音识别技术
11.1.1 pyAudio录音实战
11.1.2 阿里语音识别技术实战
11.2 词频与相似度计算实战
11.2.1 词频计算
11.2.2 相似度计算
11.2.3 预计算与提速
11.3 抽取用户特征实战
11.3.1 抽取客户姓名、地址、工作单位
11.3.2 抽取交易细节及通话文本训练
11.4 其他特征的提取
11.4.1 销售意向分析实战
11.4.2 时间特征提取实战
11.5 小结
第12章 人工智能辅助写作系统
12.1 人工智能辅助写作原理
12.1.1 矩阵联想算法原理
12.1.2 矩阵联想算法示例
12.2 人工智能写作实战
12.2.1 人工智能写高考作文实战
12.2.2 使用人工智能提高人类联想能力实战
12.3 人工智能联想服务实战
12.3.1 人工智能联想服务接口文档
12.3.2 使用Python调用人工智能联想服务实战
第1章 人工智能原理
1.1 人工智能简史
1.1.1 意识研究历史及经典理论
1.1.2 意识研究的热点问题和经典答案
1.1.3 人工智能经典理论
1.1.4 人工智能的本质
1.2 神经网络原理
1.2.1 神经科学家
1.2.2 神经科学经典理论
1.2.3 学习和记忆的原理
1.2.4 神经网络模型
1.3 矩阵与思维
1.3.1 矩阵与树突
1.3.2 矩阵与联想
第2章 掌握自然语言处理技术
2.1 自然语言处理技术与人工智能
2.1.1 自然语言处理技术与人工智能的关系
2.1.2 NLP技术的定义与分类
2.2 NLP技术概述
2.2.1 NLP算法的三个发展阶段
2.2.2 基于规则的NLP算法
2.2.3 基于统计的NLP算法
2.2.4 基于深度学习的NLP算法
2.3 NLP商业技术
2.3.1 百度NLP技术
2.3.2 科大讯飞的NLP技术
2.3.3 腾讯的NLP技术
2.4 小结
第3章 掌握深度学习模型
3.1 深度学习与人工智能
3.1.1 机器学习定义
3.1.2 机器学习评估标准
3.2 深度学习模型的基础知识
3.2.1 NNLM模型
3.2.2 Word2vec模型
3.2.3 fastText模型
3.2.4 TextCNN模型
3.2.5 Seq2Seq模型
3.3 深度学习模型进阶知识
3.3.1 基于Encoder-Decoder框架的注意力机制
3.3.2 引入Attention机制的RNN模型
3.3.3 Attention进阶知识
3.3.4 Transformer模型
3.3.5 GPT模型
第二篇 自然语言处理系统实战篇
第4章 NLP开源技术实战
4.1 NLP开发工具简介与环境搭建
4.1.1 Python 2和Python 3
4.1.2 运行Python代码片段
4.1.3 在不同操作系统中搭建Python编程环境
4.1.4 在Linux系统中搭建Python编程环境
4.1.5 在Windows系统中搭建Python编程环境
4.1.6 安装Anaconda科学包
4.2 掌握Visual Studio Code 源代码编辑器
4.2.1 VSCode 安装与启动
4.2.2 为VSCode配置Python解析器
4.2.3 使用VSCode运行Python代码
4.2.4 使用VSCode调试Python代码
4.3 开源社区GitHub的简介与环境搭建
4.3.1 GitHub Desktop安装方法
4.3.2 使用GitHub发布代码仓库
4.3.3 使VSCode与GitHub协作
4.4 jieba NLP技术实战
4.4.1 结巴（jieba）分词简介
4.4.2 在VSCode中安装jieba分词工具
4.4.3 在VSCode中调用jieba分词的主要功能
4.4.4 jieba分词代码详解
4.4.5 jieba自定义词典实战
4.4.6 jieba词性标注实战
4.5 jiagu NLP技术实战
4.5.1 甲骨（jiagu）分词简介
4.5.2 jiagu安装与入门实战
4.5.3 jiagu命名实体识别、文本摘要、知识图谱、情感分析、文本聚类实战
4.6 斯坦福大学开源NLP实战
4.6.1 Stanza简介与安装
4.6.2 通用依赖树库简介与下载
4.6.3 Stanza流水线自然语言处理实战
4.6.4 Stanza流水线与工序实战
4.6.5 详解Stanza中的对象
4.6.6 Stanza的依存句法分析实战
4.6.7 Graphviz&NetworkX依存句法图形化实战
4.7 百度开源中文词汇分析LAC 2.0实战
4.7.1 LAC 2.0简介
4.7.2 LAC 2.0 安装与基础功能实战
4.8 小结
第5章 Python神经网络计算实战
5.1 TensorFlow
5.1.1 TensorFlow生态系统和社区资源
5.1.2 TensorFlow 2.x的版本与特性
5.2 CPUGPU环境搭建
5.2.1 TensorFlow的CPU环境搭建
5.2.2 TensorFlow的GPU环境搭建
5.3 Keras手写识别实战
5.3.1 神经网络输入、输出实战
5.3.2 神经网络的结构定义
5.3.3 经典神经网络模型
5.3.4 神经网络评价函数
5.3.5 运行神经网络
5.4 其他神经网络工具包
5.4.1 PyTorch简介
5.4.2 使用 PyTorch 编写LSTM词性识别实战
5.5 小结
第6章 AI语音合成有声小说实战
6.1 Python互联网编程实战
6.1.1 Python的HTTP编程实战
6.1.2 Python的WebSocket编程实战
6.2 JSON数据结构原理与实战
6.2.1 JSON数据交换格式原理
6.2.2 Python语言的JSON编程实战
6.3 AI语音合成实战
6.3.1 科大讯飞NLP服务
6.3.2 AI语音合成有声小说实战
6.3.3 NLP商业API的HTTP调用实战
第7章 玩转词向量
7.1 词向量原理
7.1.1 词向量技术的发展
7.1.2 掌握开源词向量技术
7.1.3 词向量下载
7.2 词向量数据结构优化
7.2.1 掌握数据库技术
7.2.2 使用Pymssql操作数据库
7.2.3 词向量入库
7.3 词向量使用方法
7.3.1 掌握数据库的查询方法
7.3.2 使用Python操作数据库查询结果
7.4 小结
第8章 近义词查询系统实战
8.1 近义词查询系统原理
8.1.1 近义词向量相似度
8.1.2 文本相似度
8.2 中文词语相似度计算
8.2.1 词向量相似度算法原理
8.2.2 词向量相似度算法实现
8.3 近义词系统实战
8.3.1 词向量加载
8.3.2 近义词查询
8.3.3 相似度排序与效率优化
8.4 小结
第9章 机器翻译系统实战
9.1 基于商业云服务的机器翻译实战
9.1.1 机器翻译的历史、商业前景及应用范围
9.1.2 Niutrans机器翻译实战
9.2 深度神经网络机器翻译实战
9.2.1 深度学习数据集预处理实战
9.2.2 引入注意力机制的Encoder-Decoder深度神经网络配置实战
9.2.3 引入注意力机制的Encoder-Decoder深度神经网络训练实战
第10章 文本情感分析系统实战
10.1 情绪认知理论
10.1.1 情绪认知经典理论
10.1.2 计算机情绪认知技术
10.2 文本情感分析系统原理
10.2.1 基于规则和统计的情感分析系统
10.2.2 基于深度学习的情感分析系统
10.3 基于规则文本情感分析系统实战
10.3.1 词库设计原理
10.3.2 情绪分数计算
10.4 基于深度学习的文本情感分析系统实战
10.4.1 LightGBM的安装与简介
10.4.2 掌握LightGBM的使用方法
10.4.3 Kaggle人工智能算法竞赛平台的使用方法
10.4.4 使用LightGBM实现情感分析实战
10.4.5 Paddle EasyDL平台ERNIE深度神经网络训练实战
10.4.6 EasyDL电商行业评论情绪分类系统部署
10.5 小结
第11章 电话销售语义分析系统实战
11.1 掌握语音识别技术
11.1.1 pyAudio录音实战
11.1.2 阿里语音识别技术实战
11.2 词频与相似度计算实战
11.2.1 词频计算
11.2.2 相似度计算
11.2.3 预计算与提速
11.3 抽取用户特征实战
11.3.1 抽取客户姓名、地址、工作单位
11.3.2 抽取交易细节及通话文本训练
11.4 其他特征的提取
11.4.1 销售意向分析实战
11.4.2 时间特征提取实战
11.5 小结
第12章 人工智能辅助写作系统
12.1 人工智能辅助写作原理
12.1.1 矩阵联想算法原理
12.1.2 矩阵联想算法示例
12.2 人工智能写作实战
12.2.1 人工智能写高考作文实战
12.2.2 使用人工智能提高人类联想能力实战
12.3 人工智能联想服务实战
12.3.1 人工智能联想服务接口文档
12.3.2 使用Python调用人工智能联想服务实战
猜您喜欢
