面對自然語言處理和文本分析應用，解決問題的
正確技術是什麼？文本摘要如何真正有效？哪些纔是
解決多類文本分類的最佳框架？迪潘簡·撒卡爾著的
《Python文本分析》通過將數學和理論概念與現實用
例的Python實現相結合，全面介紹文本分析的相關概
念、技術、工具及實踐，幫助你快速掌握文本分析技
術，解決實際問題。
本書首先介紹與文本分析相關的自然語言基本概
念以及Python語言特點、特性和常用功能，然後結合
示例代碼詳細闡述文本理解與處理、文本分類、文本
摘要、文本相似性與聚類、語義與情感分析等內容。
通過本書，你可以全面掌握文本分析的基礎技術和機
器學習的一些經典方法，包括SVM、貝葉斯分類器、k
均值距離、層次聚類等，為進一步的學習和研究奠定
基礎。

譯者序
前言
第1章 自然語言基礎
1.1 自然語言
1.1.1 什麼是自然語言
1.1.2 語言哲學
1.1.3 語言習得和用法
1.2 語言學
1.3 語言句法和結構
1.3.1 詞
1.3.2 短語
1.3.3 從句
1.3.4 語法
1.3.5 語序類型學
1.4 語言語義
1.4.1 詞彙語義關繫
1.4.2 語義網絡和模型
1.4.3 語義表示
1.5 文本語料庫
1.5.1 文本語料庫標注及使用
1.5.2 熱門的語料庫
1.5.3 訪問文本語料庫
1.6 自然語言處理
1.6.1 機器翻譯
1.6.2 語音識別繫統
1.6.3 問答繫統
1.6.4 語境識別與消解
1.6.5 文本摘要
1.6.6 文本分類
1.7 文本分析
1.8 小結
第2章 Python語言回顧
2.1 了解Python
2.1.1 Python之禪
2.1.2 應用：何時使用Python
2.1.3 缺點：何時不用Python
2.1.4 Python實現和版本
2.2 安裝和設置
2.2.1 用哪個Python版本
2.2.2 用哪個操作繫統
2.2.3 集成開發環境
2.2.4 環境設置
2.2.5 虛擬環境
2.3 Python句法和結構
2.4 數據結構和類型
2.4.1 數值類型
2.4.2 字符串
2.4.3 列表
2.4.4 集合
2.4.5 字典
2.4.6 元組
2.4.7 文件
2.4.8 雜項
2.5 控制代碼流
2.5.1 條件結構
2.5.2 循環結構
2.5.3 處理異常
2.6 函數編程
2.6.1 函數
2.6.2 遞歸函數
2.6.3 匿名函數
2.6.4 迭代器
2.6.5 分析器
2.6.6 生成器
2.6.7 itertools和functools模塊
2.7 類
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 小結
第3章 處理和理解文本
3.1 文本切分
3.1.1 句子切分
3.1.2 詞語切分
3.2 文本規範化
3.2.1 文本清洗
3.2.2 文本切分
3.2.3 刪除特殊字符
3.2.4 擴展縮寫詞
3.2.5 大小寫轉換
3.2.6 刪除停用詞
3.2.7 詞語校正
3.2.8 詞干提取
3.2.9 詞形還原
3.3 理解文本句法和結構
3.3.1 安裝必要的依賴項
3.3.2 機器學習重要概念
3.3.3 詞性標注
3.3.4 淺層分析
3.3.5 基於依存關繫的分析
3.3.6 基於成分結構的分析
3.4 小結
第4章 文本分類
4.1 什麼是文本分類
4.2 自動文本分類
4.3 文本分類的藍圖
4.4 文本規範化處理
4.5 特征提取
4.5.1 詞袋模型
4.5.2 TF-IDF模型
4.5.3 **詞向量模型
4.6 分類算法
4.6.1 多項式樸素貝葉斯
4.6.2 支持向量機
4.7 評估分類模型
4.8 建立一個多類分類繫統
4.9 應用
4.10 小結
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 文檔
5.2.2 文本規範化
5.2.3 特征提取
5.2.4 特征矩陣
5.2.5 奇異值分解
5.3 文本規範化
5.4 特征提取
5.5 關鍵短語提取
5.5.1 搭配
5.5.2 基於權重標簽的短語提取
5.6 主題建模
5.6.1 隱含語義索引
5.6.2 隱含Dirichlet分布
5.6.3 非負矩陣分解
5.6.4 從產品評論中提取主題
5.7 自動文檔摘要
5.7.1 隱含語義分析
5.7.2 TextRank算法
5.7.3 生成產品說明摘要
5.8 小結
第6章 文本相似度和聚類
6.1 重要概念
6.1.1 信息檢索
6.1.2 特征工程
6.1.3 相似度測量
6.1.4 無監督的機器學習算法
6.2 文本規範化
6.3 特征提取
6.4 文本相似度
6.5 詞項相似度分析
6.5.1 漢明距離
6.5.2 曼哈頓距離
6.5.3 歐幾裡得距離
6.5.4 萊文斯坦編輯距離
6.5.5 餘弦距離和相似度
6.6 文檔相似度分析
6.6.1 餘弦相似度
6.6.2 海靈格-巴塔恰亞距離
6.6.3 Okapi BM25排名
6.7 文檔聚類
6.8 *佳影片聚類分析
6.8.1 k-means聚類
6.8.2 近鄰傳播聚類
6.8.3 沃德凝聚層次聚類
6.9 小結
第7章 語義與情感分析
7.1 語義分析
7.2 探索WordNet
7.2.1 理解同義詞集
7.2.2 分析詞彙的語義關繫
7.3 詞義消歧
7.4 命名實體識別
7.5 分析語義表征
7.5.1 命題邏輯
7.5.2 一階邏輯
7.6 情感分析
7.7 IMDb電影評論的情感分析
7.7.1 安裝依賴程序包
7.7.2 準備數據集
7.7.3 有監督的機器學習技術
7.7.4 無監督的詞典技術
7.7.5 模型性能比較
7.8 小結