自然語(yǔ)言處理技術(shù)入門與實(shí)戰(zhàn)

第1篇語(yǔ)義模型詳解
第1章關(guān)鍵詞抽取模型 3
1.1 TF-IDF算法實(shí)現(xiàn)關(guān)鍵詞抽取 4
1.2 TextRank算法實(shí)現(xiàn)關(guān)鍵詞抽取 11
1.3 基于語(yǔ)義的統(tǒng)計(jì)語(yǔ)言模型實(shí)現(xiàn)關(guān)鍵詞抽取 16
第2章短語(yǔ)抽取模型 22
2.1 基于互信息和左右信息熵實(shí)現(xiàn)短語(yǔ)抽取 23
2.2 TextRank算法實(shí)現(xiàn)短語(yǔ)抽取 28
2.3 LDA算法實(shí)現(xiàn)短語(yǔ)抽取 31
第3章自動(dòng)摘要抽取模型 38
3.1 決策樹算法實(shí)現(xiàn)自動(dòng)摘要 39
3.2 基于邏輯回歸算法實(shí)現(xiàn)自動(dòng)摘要 44
3.3 貝葉斯算法實(shí)現(xiàn)自動(dòng)摘要 50
第4章深度學(xué)習(xí)——計(jì)算任意詞距離模型 55
4.1 FP-Growth算法實(shí)現(xiàn)詞距離計(jì)算 56
4.2 N-Gram算法實(shí)現(xiàn)詞距離計(jì)算 61
4.3 BP算法實(shí)現(xiàn)詞距離計(jì)算 65
第5章拼音漢字混合識(shí)別模型 70
5.1 貝葉斯模型實(shí)現(xiàn)拼音漢字混合識(shí)別 71
5.2 HMM模型實(shí)現(xiàn)拼音漢字混合識(shí)別 75
5.3 RNN神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)拼音漢字混合識(shí)別 80
第6章文本自動(dòng)生成模型 87
6.1 基于關(guān)鍵詞的文本自動(dòng)生成模型 88
6.2 RNN模型實(shí)現(xiàn)文本自動(dòng)生成 93
第2篇自然語(yǔ)言處理系統(tǒng)基礎(chǔ)算法
第7章Dijkstra算法 101
7.1 算法應(yīng)用原理介紹 102
7.2 算法數(shù)學(xué)原理介紹 102
7.3 算法源碼說(shuō)明 106
7.4 算法應(yīng)用擴(kuò)展 107
第8章AC-DoubleArrayTrie算法 108
8.1 算法應(yīng)用原理介紹 109
8.2 算法數(shù)學(xué)原理介紹 111
8.3 算法應(yīng)用擴(kuò)展 116
第9章最大熵算法 117
9.1 算法應(yīng)用原理介紹 118
9.2 算法數(shù)學(xué)原理介紹 119
9.3 算法源碼說(shuō)明 124
9.4 算法應(yīng)用擴(kuò)展 125
第10章CRF算法 126
10.1 算法應(yīng)用原理介紹 127
10.2 算法數(shù)學(xué)原理介紹 130
10.3 算法源碼說(shuō)明 135
10.4 算法應(yīng)用擴(kuò)展 136
第11章馬爾可夫邏輯網(wǎng)算法 137
11.1 算法應(yīng)用原理介紹 138
11.2 算法數(shù)學(xué)原理介紹 142
11.3 算法源碼說(shuō)明 144
11.4 算法應(yīng)用擴(kuò)展 145
第12章DIPRE算法 147
12.1 算法應(yīng)用原理介紹 148
12.2 算法數(shù)學(xué)原理介紹 151
12.3 算法源碼說(shuō)明 152
12.4 算法應(yīng)用擴(kuò)展 153
第13章LSTM算法 155
13.1 算法應(yīng)用原理介紹 156
13.2 算法數(shù)學(xué)原理介紹 158
13.3 算法源碼說(shuō)明 163
13.4 算法應(yīng)用擴(kuò)展 165
第14章TransE算法 166
14.1 算法應(yīng)用原理介紹 167
14.2 算法數(shù)學(xué)原理介紹 170
14.3 算法源碼說(shuō)明 172
14.4 算法應(yīng)用擴(kuò)展 174
第3篇系統(tǒng)案例實(shí)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(shè)計(jì)簡(jiǎn)述 178
15.2 系統(tǒng)模塊實(shí)現(xiàn)詳解 181
15.3 系統(tǒng)實(shí)現(xiàn)源碼說(shuō)明 186