自然語言處理原理與技術(shù)實(shí)現(xiàn)

第1章　應(yīng)用自然語言處理技術(shù) 11.1　付出與回報(bào) 21.1.1　如何開始 21.1.2 招聘人員 21.1.3 學(xué)習(xí) 31.2 開發(fā)環(huán)境 31.3 技術(shù)基礎(chǔ) 41.3.1 Java 41.3.2 規(guī)則方法 51.3.3 統(tǒng)計(jì)方法 51.3.4 計(jì)算框架 51.3.5 文本挖掘 71.3.6 語義庫 71.4 本章小結(jié) 91.5 專業(yè)術(shù)語 9第2章　中文分詞原理與實(shí)現(xiàn) 112.1 接口 122.1.1 切分方案 132.1.2 詞特征 132.2 查找詞典算法 132.2.1 標(biāo)準(zhǔn)Trie樹 142.2.2 三叉Trie樹 182.2.3 詞典格式 262.3 最長(zhǎng)匹配中文分詞 272.3.1 正向最大長(zhǎng)度匹配法 282.3.2 逆向最大長(zhǎng)度匹配法 332.3.3 處理未登錄串 392.3.4 開發(fā)分詞 432.4 概率語言模型的分詞方法 452.4.1 一元模型 472.4.2 整合基于規(guī)則的方法 542.4.3 表示切分詞圖 552.4.4 形成切分詞圖 622.4.5 數(shù)據(jù)基礎(chǔ) 642.4.6 改進(jìn)一元模型 752.4.7 二元詞典 792.4.8 完全二叉樹組 852.4.9 三元詞典 892.4.10 N元模型 902.4.11 N元分詞 912.4.12 生成語言模型 992.4.13 評(píng)估語言模型 1002.4.14 概率分詞的流程與結(jié)構(gòu) 1012.4.15 可變長(zhǎng)N元分詞 1022.4.16 條件隨機(jī)場(chǎng) 1032.5 新詞發(fā)現(xiàn) 1032.5.1 成詞規(guī)則 1092.6 詞性標(biāo)注 1092.6.1 數(shù)據(jù)基礎(chǔ) 1142.6.2 隱馬爾可夫模型 1152.6.3 存儲(chǔ)數(shù)據(jù) 1242.6.4 統(tǒng)計(jì)數(shù)據(jù) 1312.6.5 整合切分與詞性標(biāo)注 1332.6.6 大詞表 1382.6.7 詞性序列 1382.6.8 基于轉(zhuǎn)換的錯(cuò)誤學(xué)習(xí)方法 1382.6.9 條件隨機(jī)場(chǎng) 1412.7 詞類模型 1422.8 未登錄詞識(shí)別 1442.8.1 未登錄人名 1442.8.2 提取候選人名 1452.8.3 最長(zhǎng)人名切分 1532.8.4 一元概率人名切分 1532.8.5 二元概率人名切分 1562.8.6 未登錄地名 1592.8.7 未登錄企業(yè)名 1602.9 平滑算法 1602.10 機(jī)器學(xué)習(xí)的方法 1642.10.1 最大熵 1652.10.2 條件隨機(jī)場(chǎng) 1702.11 有限狀態(tài)機(jī) 1712.12 地名切分 1782.12.1 識(shí)別未登錄地名 1792.12.2 整體流程 1852.13 企業(yè)名切分 1872.13.1 識(shí)別未登錄詞 1882.13.2 整體流程 1902.14 結(jié)果評(píng)測(cè) 1902.15 本章小結(jié) 1912.16 專業(yè)術(shù)語 193第3章　英文分析 1943.1 分詞 1943.1.1 句子切分 1943.1.2 識(shí)別未登錄串 1973.1.3 切分邊界 1983.2 詞性標(biāo)注 1993.3 重點(diǎn)詞匯 2023.4 句子時(shí)態(tài) 2033.5 本章小結(jié) 204第4章　依存文法分析 2054.1 句法分析樹 2054.2 依存文法 2114.2.1 中文依存文法 2114.2.2 英文依存文法 2204.2.3 生成依存樹 2324.2.4 遍歷 2354.2.5 機(jī)器學(xué)習(xí)的方法 2374.3 小結(jié) 2374.4 專業(yè)術(shù)語 238第5章　文檔排重 2395.1 相似度計(jì)算 2395.1.1 夾角余弦 2395.1.2 最長(zhǎng)公共子串 2425.1.3 同義詞替換 2465.1.4 地名相似度 2485.1.5 企業(yè)名相似度 2515.2 文檔排重 2515.2.1 關(guān)鍵詞排重 2515.2.2 SimHash 2545.2.3 分布式文檔排重 2685.2.4 使用文本排重 2695.3 在搜索引擎中使用文本排重 2695.4 本章小結(jié) 2705.5 專業(yè)術(shù)語 270第6章　信息提取 2716.1 指代消解 2716.2 中文關(guān)鍵詞提取 2736.2.1 關(guān)鍵詞提取的基本方法 2736.2.2 HITS算法應(yīng)用于關(guān)鍵詞提取 2756.2.3 從網(wǎng)頁中提取關(guān)鍵詞 2776.3 信息提取 2786.3.1 提取聯(lián)系方式 2806.3.2 從互聯(lián)網(wǎng)提取信息 2816.3.3 提取地名 2826.4 拼寫糾錯(cuò) 2836.4.1 模糊匹配問題 2856.4.2 正確詞表 2966.4.3 英文拼寫檢查 2986.4.4 中文拼寫檢查 3006.5 輸入提示 3026.6 本章小結(jié) 3036.7 專業(yè)術(shù)語 303第7章　自動(dòng)摘要 3047.1 自動(dòng)摘要技術(shù) 3057.1.1 英文文本摘要 3077.1.2 中文文本摘要 3097.1.3 基于篇章結(jié)構(gòu)的自動(dòng)摘要 3147.1.4 句子壓縮 3147.2 指代消解 3147.3 Lucene中的動(dòng)態(tài)摘要 3147.4 本章小結(jié) 3177.5 專業(yè)術(shù)語 318第8章　文本分類 3198.1 地名分類 3218.2 錯(cuò)誤類型分類 3218.3 特征提取 3228.4 關(guān)鍵詞加權(quán)法 3268.5 樸素貝葉斯 3308.6 貝葉斯文本分類 3368.7 支持向量機(jī) 3368.7.1 多級(jí)分類 3458.7.2 規(guī)則方法 3478.7.3 網(wǎng)頁分類 3508.8 最大熵 3518.9 信息審查 3528.10 文本聚類 3538.10.1 K均值聚類方法 3538.10.2 K均值實(shí)現(xiàn) 3558.10.3 深入理解DBScan算法 3598.10.4 使用DBScan算法聚類實(shí)例 3618.11 本章小結(jié) 3638.12 專業(yè)術(shù)語 363第9章　文本傾向性分析 3649.1 確定詞語的褒貶傾向 3679.2 實(shí)現(xiàn)情感識(shí)別 3689.3 本章小結(jié) 3729.4 專業(yè)術(shù)語 373第10章　問答系統(tǒng) 37410.1 問答系統(tǒng)的結(jié)構(gòu) 37510.1.1 提取問答對(duì) 37610.1.2 等價(jià)問題 37610.2 問句分析 37710.2.1 問題類型 37710.2.2 句型 38110.2.3 業(yè)務(wù)類型 38110.2.4 依存樹 38110.2.5 指代消解 38310.2.6 二元關(guān)系 38310.2.7 邏輯表示 38610.2.8 問句模板 38610.2.9 結(jié)構(gòu)化問句模板 38910.2.10 檢索方式 39010.2.11 問題重寫 39510.2.12 提取事實(shí) 39510.2.13 驗(yàn)證答案 39810.2.14 無答案的處理 39810.3 知識(shí)庫 39810.4 聊天機(jī)器人 39910.4.1 交互式問答 40110.4.2 垂直領(lǐng)域問答系統(tǒng) 40210.4.3 語料庫 40510.4.4 客戶端 40510.5 自然語言生成 40510.6 依存句法 40610.7 提取同義詞 41010.7.1 流程 41010.8 本章小結(jié) 41110.9 術(shù)語表 412第11章　語音識(shí)別 41311.1 總體結(jié)構(gòu) 41411.1.1 識(shí)別中文 41611.1.2 自動(dòng)問答 41711.2 語音庫 41811.3 語音合成 41911.3.1 歸一化 42011.4 語音 42011.4.1 標(biāo)注 42411.4.2 相似度 42411.5 Sphinx 42411.5.1 中文訓(xùn)練集 42611.6 Julius 42911.7 本章小結(jié) 42911.8 術(shù)語表 429參考資源 430后記 431