自然语言处理实战：从入门到项目实践

关于封面

关于作者

11.6 结语

11.5 展望未来

11.4 让人工智能在组织中取得成功

11.3 数据科学过程

11.2 构建和维护成熟的系统

11.1 重温自然语言处理流水线：部署自然语言处理软件

第11章 端到端自然语言处理系统

第四部分 综合

10.3 小结

10.2 金融与法律

10.1 医疗

第10章 医疗、金融和法律

9.6 小结

9.5 电子商务推荐

9.4 评论分析

9.3 构建电子商务目录

9.2 电子商务中的搜索

9.1 电子商务目录

第9章 电子商务与零售

8.5 小结

8.4 模因与虚假新闻

8.3 用于社交平台数据的自然语言处理

8.2 独特的挑战

8.1 应用

第8章 社交媒体

第三部分 应用

7.7 小结

7.6 问答系统

7.5 机器翻译

7.4 文本推荐系统

7.3 文本摘要

7.2 主题建模

7.1 搜索和信息检索

第7章 主题简介

6.9 小结

6.8 案例研究：食谱推荐

6.7 Rasa NLU

6.6 其他对话流水线

6.5 深入对话系统的组件

6.4 对话系统原理

6.3 构建对话系统的流水线

6.2 聊天机器人的分类

6.1 聊天机器人的应用

第6章 聊天机器人

5.10 小结

5.9 案例研究

5.8 其他高级信息提取任务

5.7 关系提取

5.6 命名实体消歧与链接

5.5 命名实体识别

5.4 关键词提取

5.3 信息提取的通用流水线

5.2 信息提取任务

5.1 信息提取应用程序

第5章 信息提取

4.10 小结

4.9 实用建议

4.8 案例研究：企业工单系统

4.7 无数据或少数据学习和新领域适应

4.6 解释文本分类模型

4.5 用于文本分类的深度学习

4.4 在文本分类中使用神经嵌入

4.3 一个流水线，多个分类器

4.2 文本分类流水线

4.1 应用程序

第4章 文本分类

第二部分 核心

3.8 小结

3.7 人工特征表示

3.6 可视化嵌入

3.5 通用文本表示

3.4 词和字符之上的分布式表示

3.3 分布式表示

3.2 基本的向量化方法

3.1 向量空间模型

第3章 文本表示

2.10 小结

2.9 案例研究

2.8 使用其他语言

2.7 建模之后的阶段

2.6 评估

2.5 建模

2.4 特征工程

2.3 预处理

2.2 文本提取和清洗

2.1 数据获取

第2章 自然语言处理流水线

1.6 小结

1.5 自然语言处理演练：对话智能体

1.4 自然语言处理方法

1.3 机器学习、深度学习和自然语言处理：概述

1.2 什么是语言

1.1 真实世界中的自然语言处理

第1章 自然语言处理概要

第一部分 基础

更多信息

致谢

更多信息

联系我们

O'Reilly 在线学习平台（O'Reilly Online Learning）

使用示例代码

排版约定

如何阅读本书

本书结构

你将学到什么

目标读者

内容范围

写作理念

为什么要写这本书

前言

序

本书赞誉

献词

业界评论

O'Reilly Media Inc.介绍

版权声明

版权信息

封面

封面

版权信息

版权声明

O'Reilly Media Inc.介绍

业界评论

献词

本书赞誉

序

前言

为什么要写这本书

写作理念

内容范围

目标读者

你将学到什么

本书结构

如何阅读本书

排版约定

使用示例代码

O'Reilly 在线学习平台（O'Reilly Online Learning）

联系我们

更多信息

致谢

更多信息

第一部分 基础

第1章 自然语言处理概要

1.1 真实世界中的自然语言处理

1.2 什么是语言

1.3 机器学习、深度学习和自然语言处理：概述

1.4 自然语言处理方法

1.5 自然语言处理演练：对话智能体

1.6 小结

第2章 自然语言处理流水线

2.1 数据获取

2.2 文本提取和清洗

2.3 预处理

2.4 特征工程

2.5 建模

2.6 评估

2.7 建模之后的阶段

2.8 使用其他语言

2.9 案例研究

2.10 小结

第3章 文本表示

3.1 向量空间模型

3.2 基本的向量化方法

3.3 分布式表示

3.4 词和字符之上的分布式表示

3.5 通用文本表示

3.6 可视化嵌入

3.7 人工特征表示

3.8 小结

第二部分 核心

第4章 文本分类

4.1 应用程序

4.2 文本分类流水线

4.3 一个流水线，多个分类器

4.4 在文本分类中使用神经嵌入

4.5 用于文本分类的深度学习

4.6 解释文本分类模型

4.7 无数据或少数据学习和新领域适应

4.8 案例研究：企业工单系统

4.9 实用建议

4.10 小结

第5章 信息提取

5.1 信息提取应用程序

5.2 信息提取任务

5.3 信息提取的通用流水线

5.4 关键词提取

5.5 命名实体识别

5.6 命名实体消歧与链接

5.7 关系提取

5.8 其他高级信息提取任务

5.9 案例研究

5.10 小结

第6章 聊天机器人

6.1 聊天机器人的应用

6.2 聊天机器人的分类

6.3 构建对话系统的流水线

6.4 对话系统原理

6.5 深入对话系统的组件

6.6 其他对话流水线

6.7 Rasa NLU

6.8 案例研究：食谱推荐

6.9 小结

第7章 主题简介

7.1 搜索和信息检索

7.2 主题建模

7.3 文本摘要

7.4 文本推荐系统

7.5 机器翻译

7.6 问答系统

7.7 小结

第三部分 应用

第8章 社交媒体

8.1 应用

8.2 独特的挑战

8.3 用于社交平台数据的自然语言处理

8.4 模因与虚假新闻

8.5 小结

第9章 电子商务与零售

9.1 电子商务目录

9.2 电子商务中的搜索

9.3 构建电子商务目录

9.4 评论分析

9.5 电子商务推荐

9.6 小结

第10章 医疗、金融和法律

10.1 医疗

10.2 金融与法律

10.3 小结

第四部分 综合

第11章 端到端自然语言处理系统

11.1 重温自然语言处理流水线：部署自然语言处理软件

11.2 构建和维护成熟的系统

11.3 数据科学过程

11.4 让人工智能在组织中取得成功

11.5 展望未来

11.6 结语

关于作者

关于封面