-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Java自然語言處理

( 簡體 字)
作者:〔美〕 理查德M.里斯類別:1. -> 程式設計 -> JAVA -> Java
   2. -> 程式設計 -> 自然語言
譯者:
出版社:機械工業出版社Java自然語言處理 3dWoo書號: 48651
詢問書籍請說出此書號!

缺書
NT售價: 295

出版日:3/19/2018
頁數:193
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111592112
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

自然語言處理(NLP)是應用程序開發的重要領域,在解決實際問題中起著越來越重要的作用。NLP任務支持的自然語言可訪問應用程序需求顯著增。本書將探索如何使用諸如全文本搜索、專有名稱識別、聚類、標記、信息提取、匯總等方法自主組織文本。書中涵蓋了NLP的概念,即使沒有統計或自然語言處理背景的人也可以理解它。
目錄:

譯者序
作者簡介
審校者簡介
前言
第1章 NLP簡介 1
1.1 什么是NLP 2
1.2 為何使用NLP 3
1.3 NLP的難點 4
1.4 NLP工具匯總 5
1.4.1 Apache OpenNLP 6
1.4.2 Stanford NLP 7
1.4.3 LingPipe 9
1.4.4 GATE 10
1.4.5 UIMA 10
1.5 文本處理概覽 10
1.5.1 文本分詞 11
1.5.2 文本斷句 12
1.5.3 人物識別 14
1.5.4 詞性判斷 16
1.5.5 文本分類 17
1.5.6 關系提取 18
1.5.7 方法組合 20
1.6 理解NLP模型 20
1.6.1 明確目標 20
1.6.2 選擇模型 21
1.6.3 構建、訓練模型 21
1.6.4 驗證模型 22
1.6.5 使用模型 22
1.7 準備數據 22
1.8 本章小結 24
第2章 文本分詞 25
2.1 理解文本分詞 25
2.2 什么是分詞 26
2.3 一些簡單的Java分詞器 28
2.3.1 使用Scanner類 29
2.3.2 使用split方法 30
2.3.3 使用BreakIterator類 31
2.3.4 使用StreamTokenizer類 32
2.3.5使用StringTokenizer類 34
2.3.6使用Java核心分詞法的性能考慮 34
2.4NLP分詞器的API 34
2.4.1使用OpenNLPTokenizer類分詞器 35
2.4.2使用Stanford分詞器 37
2.4.3訓練分詞器進行文本分詞 41
2.4.4分詞器的比較 44
2.5理解標準化處理 45
2.5.1轉換為小寫字母 45
2.5.2去除停用詞 46
2.5.3詞干化 49
2.5.4詞形還原 51
2.5.5使用流水線進行標準化處理 54
2.6本章小結 55
第3章 文本斷句 56
3.1SBD方法 56
3.2SBD難在何處 57
3.3理解LingPipe的HeuristicSen-tenceModel類的SBD規則 59
3.4簡單的Java SBD 60
3.4.1使用正則表達式 60
3.4.2使用BreakIterator類 62
3.5使用NLP API 63
3.5.1使用OpenNLP 64
3.5.2使用Stanford API 66
3.5.3使用LingPipe 74
3.6訓練文本斷句模型 78
3.6.1使用訓練好的模型 80
3.6.2使用SentenceDetector-Evaluator類評估模型 81
3.7本章小結 82
第4章 人物識別 83
4.1NER難在何處 84
4.2NER的方法 84
4.2.1列表和正則表達式 85
4.2.2統計分類器 85
4.3使用正則表達式進行NER 86
4.3.1使用Java的正則表達式來尋找實體 86
4.3.2使用LingPipe的RegEx-Chunker類 88
4.4使用NLP API 89
4.4.1使用OpenNLP進行NER 89
4.4.2使用Stanford API進行NER 95
4.4.3使用LingPipe進行NER 96
4.5訓練模型 100
4.6本章小結 103
第5章 詞性判斷 104
5.1詞性標注 104
5.1.1詞性標注器的重要性 107
5.1.2詞性標注難在何處 107
5.2使用NLP API 109
5.2.1使用OpenNLP詞性標注器 110
5.2.2使用Stanford詞性標注器 118
5.2.3使用LingPipe詞性標注器 125
5.2.4訓練OpenNLP詞性標注模型 129
5.3本章小結 131
第6章 文本分類 132
6.1文本分類問題 132
6.2情感分析介紹 134
6.3文本分類技術 135
6.4使用API進行文本分類 136
6.4.1OpenNLP的使用 136
6.4.2Stanford API的使用 140
6.4.3使用LingPipe進行文本分類 145
6.5本章小結 152
第7章 關系提取 153
7.1關系類型 154
7.2理解解析樹 155
7.3關系提取的應用 156
7.4關系提取 159
7.5使用NLP API 159
7.5.1OpenNLP的使用 159
7.5.2使用Stanford API 162
7.5.3判斷共指消解的實體 166
7.6問答系統的關系提取 168
7.6.1判斷單詞依賴關系 169
7.6.2判斷問題類型 170
7.6.3搜索答案 171
7.7本章小結 173
第8章 方法組合 174
8.1準備數據 175
8.1.1使用Boilerpipe從HTML中提取文本 175
8.1.2使用POI從Word文檔中提取文本 177
8.1.3使用PDFBox從PDF文檔中提取文本 181
8.2流水線 182
8.2.1使用Stanford流水線 182
8.2.2在Standford流水線中使用多核處理器 187
8.3創建一個文本搜索的流水線 188
8.4本章小結 193
序: