自然語言處理原理與技術實現

第1章　應用自然語言處理技術 11.1　付出與回報 21.1.1　如何開始 21.1.2 招聘人員 21.1.3 學習 31.2 開發(fā)環(huán)境 31.3 技術基礎 41.3.1 Java 41.3.2 規(guī)則方法 51.3.3 統(tǒng)計方法 51.3.4 計算框架 51.3.5 文本挖掘 71.3.6 語義庫 71.4 本章小結 91.5 專業(yè)術語 9第2章　中文分詞原理與實現 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 標準Trie樹 142.2.2 三叉Trie樹 182.2.3 詞典格式 262.3 最長匹配中文分詞 272.3.1 正向最大長度匹配法 282.3.2 逆向最大長度匹配法 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 數據基礎 642.4.6 改進一元模型 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 評估語言模型 1002.4.14 概率分詞的流程與結構 1012.4.15 可變長N元分詞 1022.4.16 條件隨機場 1032.5 新詞發(fā)現 1032.5.1 成詞規(guī)則 1092.6 詞性標注 1092.6.1 數據基礎 1142.6.2 隱馬爾可夫模型 1152.6.3 存儲數據 1242.6.4 統(tǒng)計數據 1312.6.5 整合切分與詞性標注 1332.6.6 大詞表 1382.6.7 詞性序列 1382.6.8 基于轉換的錯誤學習方法 1382.6.9 條件隨機場 1412.7 詞類模型 1422.8 未登錄詞識別 1442.8.1 未登錄人名 1442.8.2 提取候選人名 1452.8.3 最長人名切分 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 機器學習的方法 1642.10.1 最大熵 1652.10.2 條件隨機場 1702.11 有限狀態(tài)機 1712.12 地名切分 1782.12.1 識別未登錄地名 1792.12.2 整體流程 1852.13 企業(yè)名切分 1872.13.1 識別未登錄詞 1882.13.2 整體流程 1902.14 結果評測 1902.15 本章小結 1912.16 專業(yè)術語 193第3章　英文分析 1943.1 分詞 1943.1.1 句子切分 1943.1.2 識別未登錄串 1973.1.3 切分邊界 1983.2 詞性標注 1993.3 重點詞匯 2023.4 句子時態(tài) 2033.5 本章小結 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 機器學習的方法 2374.3 小結 2374.4 專業(yè)術語 238第5章　文檔排重 2395.1 相似度計算 2395.1.1 夾角余弦 2395.1.2 最長公共子串 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 2705.5 專業(yè)術語 270第6章　信息提取 2716.1 指代消解 2716.2 中文關鍵詞提取 2736.2.1 關鍵詞提取的基本方法 2736.2.2 HITS算法應用于關鍵詞提取 2756.2.3 從網頁中提取關鍵詞 2776.3 信息提取 2786.3.1 提取聯系方式 2806.3.2 從互聯網提取信息 2816.3.3 提取地名 2826.4 拼寫糾錯 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 3036.7 專業(yè)術語 303第7章　自動摘要 3047.1 自動摘要技術 3057.1.1 英文文本摘要 3077.1.2 中文文本摘要 3097.1.3 基于篇章結構的自動摘要 3147.1.4 句子壓縮 3147.2 指代消解 3147.3 Lucene中的動態(tài)摘要 3147.4 本章小結 3177.5 專業(yè)術語 318第8章　文本分類 3198.1 地名分類 3218.2 錯誤類型分類 3218.3 特征提取 3228.4 關鍵詞加權法 3268.5 樸素貝葉斯 3308.6 貝葉斯文本分類 3368.7 支持向量機 3368.7.1 多級分類 3458.7.2 規(guī)則方法 3478.7.3 網頁分類 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均值實現 3558.10.3 深入理解DBScan算法 3598.10.4 使用DBScan算法聚類實例 3618.11 本章小結 3638.12 專業(yè)術語 363第9章　文本傾向性分析 3649.1 確定詞語的褒貶傾向 3679.2 實現情感識別 3689.3 本章小結 3729.4 專業(yè)術語 373第10章　問答系統(tǒng) 37410.1 問答系統(tǒng)的結構 37510.1.1 提取問答對 37610.1.2 等價問題 37610.2 問句分析 37710.2.1 問題類型 37710.2.2 句型 38110.2.3 業(yè)務類型 38110.2.4 依存樹 38110.2.5 指代消解 38310.2.6 二元關系 38310.2.7 邏輯表示 38610.2.8 問句模板 38610.2.9 結構化問句模板 38910.2.10 檢索方式 39010.2.11 問題重寫 39510.2.12 提取事實 39510.2.13 驗證答案 39810.2.14 無答案的處理 39810.3 知識庫 39810.4 聊天機器人 39910.4.1 交互式問答 40110.4.2 垂直領域問答系統(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 41110.9 術語表 412第11章　語音識別 41311.1 總體結構 41411.1.1 識別中文 41611.1.2 自動問答 41711.2 語音庫 41811.3 語音合成 41911.3.1 歸一化 42011.4 語音 42011.4.1 標注 42411.4.2 相似度 42411.5 Sphinx 42411.5.1 中文訓練集 42611.6 Julius 42911.7 本章小結 42911.8 術語表 429參考資源 430后記 431