第1章自然語言處理簡介1
1.1為什麼要學習NLP2
1.2先從Python開始吧5
1.2.1列錶5
1.2.2自助功能6
1.2.3正則錶達式8
1.2.4字典9
1.2.5編寫函數10
1.3嚮NLTK邁進11
1.4練習16
1.5小結17
第2章文本的歧義及其清理18
2.1何謂文本歧義18
2.2文本清理20
2.3語句分離器21
2.4標識化處理22
2.5詞乾提取23
2.6詞形還原24
2.7停用詞移除25
2.8罕見詞移除26
2.9拼寫糾錯26
2.10練習27
2.11小結28
第3章詞性標注29
3.1何謂詞性標注29
3.1.1Stanford標注器32
3.1.2深入瞭解標注器33
3.1.3順序性標注器35
3.1.4Brill標注器37
3.1.5基於機器學習的標注器37
3.2命名實體識彆（NER）38
3.3練習40
3.4小結41
第4章文本結構解析43
4.1淺解析與深解析43
4.2兩種解析方法44
4.3為什麼需要進行解析44
4.4不同的解析器類型46
4.4.1遞歸下降解析器46
4.4.2移位—歸約解析器46
4.4.3圖錶解析器46
4.4.4正則錶達式解析器47
4.5依存性文本解析48
4.6語塊分解50
4.7信息提取53
4.7.1命名實體識彆（NER）53
4.7.2關係提取54
4.8小結55
第5章NLP應用56
5.1構建第一個NLP應用57
5.2其他NLP應用60
5.2.1機器翻譯60
5.2.2統計型機器翻譯61
5.2.3信息檢索62
5.2.4語音識彆64
5.2.5文本分類65
5.2.6信息提取66
5.2.7問答係統67
5.2.8對話係統67
5.2.9詞義消歧67
5.2.10主題建模68
5.2.11語言檢測68
5.2.12光符識彆68
5.3小結68
第6章文本分類70
6.1機器學習71
6.2文本分類72
6.3取樣操作74
6.3.1樸素貝葉斯法76
6.3.2決策樹79
6.3.3隨機梯度下降法80
6.3.4邏輯迴歸81
6.3.5支持嚮量機81
6.4隨機森林算法83
6.5文本聚類83
6.6文本中的主題建模84
6.7參考資料87
6.8小結87
第7章Web爬蟲88
7.1Web爬蟲88
7.2編寫第一個爬蟲程序89
7.3Scrapy庫中的數據流92
7.3.1Scrapy庫的shell93
7.3.2目標項98
7.4生成網站地圖的蜘蛛程序99
7.5目標項管道100
7.6參考資料102
7.7小結102
第8章NLTK與其他Python庫的搭配運用104
8.1NumPy104
8.1.1多維數組105
8.1.2基本運算106
8.1.3從數組中提取數據107
8.1.4復雜矩陣運算108
8.2SciPy112
8.2.1綫性代數113
8.2.2特徵值與特徵嚮量113
8.2.3稀疏矩陣114
8.2.4優化措施115
8.3pandas117
8.3.1讀取數據117
8.3.2數列119
8.3.3列轉換121
8.3.4噪聲數據121
8.4matplotlib123
8.4.1子圖繪製123
8.4.2添加坐標軸124
8.4.3散點圖繪製125
8.4.4條形圖繪製126
8.4.53D繪圖126
8.5參考資料126
8.6小結127
第9章Python中的社交媒體挖掘128
9.1數據收集128
9.2數據提取132
9.3地理可視化134
9.3.1影響力檢測135
9.3.2Facebook135
9.3.3有影響力的朋友139
9.4小結141
第10章大規模文本挖掘142
10.1在Hadoop上使用Python的不同方式142
10.1.1Python的流操作143
10.1.2Hive／Pig下的UDF143
10.1.3流封裝器143
10.2Hadoop上的NLTK144
10.2.1用戶定義函數（UDF）144
10.2.2Python的流操作146
10.3Hadoop上的Scikit—learn147
10.4PySpark150
10.5小結153
· · · · · · (收起)