返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • Python文本分析 (印)迪潘简·撒卡尔(Dipanjan Sarkar) 著;闫龙川,高德荃,李君婷 译 专业科技
  • 新华书店正版
    • 作者: (印)迪潘简·撒卡尔(Dipanjan Sarkar) 著;闫龙川,高德荃,李君婷 译著
    • 出版社: 机械工业出版社
    • 出版时间:2018-04-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (印)迪潘简·撒卡尔(Dipanjan Sarkar) 著;闫龙川,高德荃,李君婷 译著
    • 出版社:机械工业出版社
    • 出版时间:2018-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-04-01
    • 页数:273
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    Python文本分析

    作  者:(印)迪潘简·撒卡尔(Dipanjan Sarkar) 著;闫龙川,高德荃,李君婷 译
    定  价:79
    出 版 社:机械工业出版社
    出版日期:2018年04月01日
    页  数:273
    装  帧:平装
    ISBN:9787111593249
    主编推荐

    内容简介

    面对自然语言处理和文本分析应用,解决问题的正确技术是什么?文本摘要如何真正有效?哪些才是解决多类文本分类的很好框架?迪潘简?撒卡尔著的《Python文本分析》通过将数学和理论概念与现实用例的Python实现相结合,全面介绍文本分析的相关概念、技术、工具及实践,帮助你快速掌握文本分析技术,解决实际问题。
    本书首先介绍与文本分析相关的自然语言基本概念以及Python语言特点、特性和常用功能,然后结合示例代码详细阐述文本理解与处理、文本分类、文本摘要、文本相似性与聚类、语义与情感分析等内容。通过本书,你可以全面掌握文本分析的基础技术和机器学习的一些经典方法,包括SVM、贝叶斯分类器、k均值距离、层次聚类等,为进一步的学习和研究奠定基础。

    作者简介

    迪潘简·撒卡尔(Dipanjan Sarkar),Intel的IT工程师,从事分析、商业智能和应用程序开发。他拥有Bangalore靠前信息技术学院信息技术硕士学位。他的专业领域包括软件工程、数据科学、机器学习和文本分析。

    精彩内容

    目录
    译者序
    前言
    第1章 自然语言基础
    1.1 自然语言
    1.1.1 什么是自然语言
    1.1.2 语言哲学
    1.1.3 语言习得和用法
    1.2 语言学
    1.3 语言句法和结构
    1.3.1 词
    1.3.2 短语
    1.3.3 从句
    1.3.4 语法
    1.3.5 语序类型学
    1.4 语言语义
    1.4.1 词汇语义关系
    1.4.2 语义网络和模型
    1.4.3 语义表示
    1.5 文本语料库
    1.5.1 文本语料库标注及使用
    1.5.2 热门的语料库
    1.5.3 访问文本语料库
    1.6 自然语言处理
    1.6.1 机器翻译
    1.6.2 语音识别系统
    1.6.3 问答系统
    1.6.4 语境识别与消解
    1.6.5 文本摘要
    1.6.6 文本分类
    1.7 文本分析
    1.8 小结
    第2章 Python语言回顾
    2.1 了解Python
    2.1.1 Python之禅
    2.1.2 应用:何时使用Python
    2.1.3 缺点:何时不用Python
    2.1.4 Python实现和版本
    2.2 安装和设置
    2.2.1 用哪个Python版本
    2.2.2 用哪个操作系统
    2.2.3 集成开发环境
    2.2.4 环境设置
    2.2.5 虚拟环境
    2.3 Python句法和结构
    2.4 数据结构和类型
    2.4.1 数值类型
    2.4.2 字符串
    2.4.3 列表
    2.4.4 集合
    2.4.5 字典
    2.4.6 元组
    2.4.7 文件
    2.4.8 杂项
    2.5 控制代码流
    2.5.1 条件结构
    2.5.2 循环结构
    2.5.3 处理异常
    2.6 函数编程
    2.6.1 函数
    2.6.2 递归函数
    2.6.3 匿名函数
    2.6.4 迭代器
    2.6.5 分析器
    2.6.6 生成器
    2.6.7 itertools和functools模块
    2.7 类
    2.8 使用文本
    2.8.1 字符串文字
    2.8.2 字符串操作和方法
    2.9 文本分析框架
    2.10 小结
    第3章 处理和理解文本
    3.1 文本切分
    3.1.1 句子切分
    3.1.2 词语切分
    3.2 文本规范化
    3.2.1 文本清洗
    3.2.2 文本切分
    3.2.3 删除特殊字符
    3.2.4 扩展缩写词
    3.2.5 大小写转换
    3.2.6 删除停用词
    3.2.7 词语校正
    3.2.8 词干提取
    3.2.9 词形还原
    3.3 理解文本句法和结构
    3.3.1 安装必要的依赖项
    3.3.2 机器学习重要概念
    3.3.3 词性标注
    3.3.4 浅层分析
    3.3.5 基于依存关系的分析
    3.3.6 基于成分结构的分析
    3.4 小结
    第4章 文本分类
    4.1 什么是文本分类
    4.2 自动文本分类
    4.3 文本分类的蓝图
    4.4 文本规范化处理
    4.5 特征提取
    4.5.1 词袋模型
    4.5.2 TF-IDF模型
    4.5.3 高级词向量模型
    4.6 分类算法
    4.6.1 多项式朴素贝叶斯
    4.6.2 支持向量机
    4.7 评估分类模型
    4.8 建立一个多类分类系统
    4.9 应用
    4.10 小结
    第5章 文本摘要
    5.1 文本摘要和信息提取
    5.2 重要概念
    5.2.1 文档
    5.2.2 文本规范化
    5.2.3 特征提取
    5.2.4 特征矩阵
    5.2.5 奇异值分解
    5.3 文本规范化
    5.4 特征提取
    5.5 关键短语提取
    5.5.1 搭配
    5.5.2 基于权重标签的短语提取
    5.6 主题建模
    5.6.1 隐含语义索引
    5.6.2 隐含Dirichlet分布
    5.6.3 非负矩阵分解
    5.6.4 从产品评论中提取主题
    5.7 自动文档摘要
    5.7.1 隐含语义分析
    5.7.2 TextRank算法
    5.7.3 生成产品说明摘要
    5.8 小结
    第6章 文本相似度和聚类
    6.1 重要概念
    6.1.1 信息检索
    6.1.2 特征工程
    6.1.3 相似度测量
    6.1.4 无监督的机器学习算法
    6.2 文本规范化
    6.3 特征提取
    6.4 文本相似度
    6.5 词项相似度分析
    6.5.1 汉明距离
    6.5.2 曼哈顿距离
    6.5.3 欧几里得距离
    6.5.4 莱文斯坦编辑距离
    6.5.5 余弦距离和相似度
    6.6 文档相似度分析
    6.6.1 余弦相似度
    6.6.2 海灵格-巴塔恰亚距离
    6.6.3 Okapi BM25排名
    6.7 文档聚类
    6.8 很好影片聚类分析
    6.8.1 k-means聚类
    6.8.2 近邻传播聚类
    6.8.3 沃德凝聚层次聚类
    6.9 小结
    第7章 语义与情感分析
    7.1 语义分析
    7.2 探索WordNet
    7.2.1 理解同义词集
    7.2.2 分析词汇的语义关系
    7.3 词义消歧
    7.4 命名实体识别
    7.5 分析语义表征
    7.5.1 命题逻辑
    7.5.2 一阶逻辑
    7.6 情感分析
    7.7 IMDb电影评论的情感分析
    7.7.1 安装依赖程序包
    7.7.2 准备数据集
    7.7.3 有监督的机器学习技术
    7.7.4 无监督的词典技术
    7.7.5 模型性能比较
    7.8 小结

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购