自然语言处理从入门到实战

目录 **部分了解自然语言处理 第1章自然语言处理初探 11自然语言处理概述 111自然语言处理早期发展史 112新世纪的里程碑事件 12自然语言处理的挑战 121词义消歧 122指代消解 123上下文理解 124语义与语用的不对等 13自然语言处理的应用领域 131医疗 132教育 133媒体 134金融 135法律 14自然语言处理的常见工具 141基础任务工具包 142科学计算及机器学习框架 143深度学习框架 本章小结 思考题 第二部分自然语言处理核心技术 第2章自然语言处理与机器学习 21逻辑回归 211逻辑回归基本原理 212逻辑回归在实践中的注意要点 213逻辑回归的优势与不足 22朴素贝叶斯 221朴素贝叶斯基本原理 222朴素贝叶斯的类型 223朴素贝叶斯的优势与不足 23Kmeans算法 231Kmeans算法基本原理 232Kmeans算法实践 233Kmeans算法的优势与不足 24决策树 241决策树的属性划分 242随机森林的基本原理 243随机森林在应用中的注意细节 25主成分分析 251梯度上升法解PCA 252协方差矩阵解PCA 253实战PCA 本章小结 思考题 第3章自然语言处理与神经网络 31神经网络初探 311神经元结构 312常见的激活函数 313误差反向传播算法 32常见的神经网络结构 321多层感知机 322循环神经网络的基本原理 323卷积神经网络的基本原理 324神经网络的优势与不足 33神经网络算法的改进与提升 331防止过拟合的方法 332训练速度与精度的提高方法 333注意力机制 本章小结 思考题 第三部分自然语言处理基本任务 第4章文本预处理 41文本预处理的基础项目 411文本规范化 412语义分析 413分词 414文本纠错 42关键词提取 421基于特征统计 422基于主题模型 423基于图模型 43数据不平衡的处理 431常见方法 432数据不平衡问题实战 本章小结 思考题
第5章文本的表示技术 51词袋模型 511基于频次的词袋模型 512基于TFIDF的词袋模型 513相关工具的使用 52Word2Vec词向量 521Word2Vec的基本原理 522Word2Vec模型细节及代码演示 523应用工具训练Word2Vec 53改进后的词表征 531GloVe模型 532FastText模型 533ELMo模型 54句向量 541基于词向量的平均 542沿用Word2Vec思想 543有监督方式 本章小结 思考题 第6章序列标注 61序列标注基础 611序列标注的应用场景 612基线方式 613序列标注任务的难点 62基于概率图的模型 621隐马尔科夫模型（HMM） 622*大熵马尔科夫模型（MEMM） 623条件随机场模型（CRF） 624天气预测实例 63基于深度学习的方式 631数据表征形式 632序列处理模型 本章小结 思考题 第7章关系抽取 71关系抽取基础 711关系抽取概述 712关系抽取的主要方法 713深度学习与关系抽取 714强化学习与关系抽取 72基于半监督的关系抽取模式：Snowball系统 721Patterns及Tuples的生成 722Patterns及Tuples的评估 723Snowball的实现细节 73关系抽取工具——DeepDive 731DeepDive概述 732DeepDive工作流程 733概率推断与因子图 本章小结 思考题 第四部分自然语言处理高级任务 第8章知识图谱 81知识图谱基本概念 811从语义网络到知识图谱 812知识的结构化、存储及查询 813几个开源的知识图谱 82知识图谱的关键构建技术 821本体匹配 822实体链接 823知识推理 83知识图谱应用 831反欺诈 832个性化推荐 833知识库问答 本章小结 思考题 第9章文本分类 91文本分类的常见方法 911机器学习 912模型融合 913深度学习 92文本分类的不同应用场景 921二分类 922多分类 923多标签多分类 93案例：搭建一款新闻主题分类器 931数据预处理 932训练与预测 933改进 本章小结 思考题 第10章文本摘要 101抽取式摘要 1011传统方法 1012基于深度学习的方法 1013抽取式摘要的训练数据问题 102生成式摘要 1021基础模型 1022前沿模型中的技巧 1023强化学习与生成式摘要 103案例：搭建网球新闻摘要生成器 1031基于词频统计的摘要生成器 1032基于图模型的摘要生成器 1033结果分析 本章小结 思考题 第11章机器翻译 111传统机器翻译 1111源起 1112基于规则 1113基于大规模语料 112统计机器翻译 1121相关流派 1122基于信源信道的统计机器翻译 1123案例：外星语的翻译实战 113神经机器翻译 1131基本原理 1132改进机制 1133前沿与挑战 本章小结 思考题 第12章聊天系统 121聊天系统的类型 1211闲聊式机器人 1212知识问答型机器人 1213任务型聊天机器人 122聊天系统的关键技术 1221检索技术 1222意图识别和词槽填充 1223对话管理 1224强化学习与多轮对话 123案例：闲聊机器人实战 1231技术概要 1232基本配置及数据预处理 1233闲聊机器人模型的搭建 1234模型训练、预测以及优化 本章小结 思考题 第五部分自然语言处理求职 第13章自然语言处理技术的现在、未来及择业 131自然语言处理组织及人才需求介绍 1311学术界 1312工业界 1313人才需求现状 132未来与自然语言处理 1321自然语言处理热点技术方向 1322自然语言处理的应用畅想 1323自然语言处理带来的行业冲击 133面试题 1331数据结构与算法 1332数学基础 1333机器学习与深度学习 1334自然语言处理专业 1335实际问题解决及技术领域见解 本章小结 思考题 附录A思考题参考答案 附录B面试题答案目录