《Python自然语言处理》——1.7 深入阅读

简介:

本节书摘来自异步社区《Python自然语言处理》一书中的第1章,第1.7节,作者[美]Steven Bird,Ewan Klein,Edward Loper, 陈涛,张旭,崔杨,刘海平 译,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.7 深入阅读

本章综合介绍了有关编程、自然语言处理和语言学的新概念。其中的一些将会在下面的章节继续出现。然而,你可能也想咨询与本章相关的在线材料(在http://www.nltk.org/ ),包括额外的背景资料的链接及在线NLP系统的链接。你可能还喜欢在维基百科中阅读一些语言学和自然语言处理相关的概念(如搭配、图灵测试、类型-标识符的区别等)。

你应该自己去熟悉http://docs.python.org/ 上的Python文档,那里给出了许多教程和全面的参考材料。http://wiki.python.org/moin/BeginnersGuide 上有《Python初学者指南》。关于Python的各种问题在http://www.python.org/doc/faq/general/ 的FAQ中都有回答。

随着对NLTK研究的深入,你可能想订阅有关新版工具包的邮件列表。有了NLTK用户邮件列表,用户在学习如何使用Python和NLTK做语言分析工作时可以相互帮助。在http://www.nltk.org /中有这些列表的详情。

如果需要第1.5节所讲述的话题及NLP的相关信息,你可以阅读以下的优秀图书。

  • Indurkhya, Nitin和Fred Damerau(合编,2010)自然语言处理手册(Handbook of Natural Language Processing)(第二版),Chapman & Hall/CRC。
  • Jurafsky, Daniel和James Martin(2008)语音和语言处理(Speech and Language Processing)(第二版),Prentice Hall。
  • Mitkov, Ruslan(主编,2002年),牛津计算语言学手册(The Oxford Handbook of Computational Linguistics)。牛津大学出版社。

计算语言学协会(The Association for Computational Linguistics,ACL)是代表NLP领域的国际组织。ACL网站上有许多有用的资源,包括:有关国际和地区的会议及研讨会的信息;到数以百计有用资源的ACL Wiki链接;包含过去50年以来大多数NLP研究文献的ACL选集,里面的论文全部建立索引且可免费下载。

一些介绍语言学的优秀的教科书:(Finegan,2007),(O’Grady et al., 2004),(OSU,2007)。LanguageLog,是一个流行的语言学博客,其上会不定期发布一些本书中描述的技术应用。

相关文章
|
人工智能 自然语言处理 语音技术
利用Python进行自然语言处理(NLP)
利用Python进行自然语言处理(NLP)
360 1
|
人工智能 自然语言处理 语音技术
利用Python进行自然语言处理(NLP)
利用Python进行自然语言处理(NLP)
464 3
|
机器学习/深度学习 人工智能 自然语言处理
【自然语言处理】python之人工智能应用篇——文本生成技术
文本生成是指使用自然语言处理技术,基于给定的上下文或主题自动生成人类可读的文本。这种技术可以应用于各种领域,如自动写作、聊天机器人、新闻生成、广告文案创作等。
1264 8
|
机器学习/深度学习 自然语言处理 TensorFlow
使用Python实现深度学习模型:文本生成与自然语言处理
【7月更文挑战第14天】 使用Python实现深度学习模型:文本生成与自然语言处理
836 12
|
机器学习/深度学习 自然语言处理 机器人
使用Python实现深度学习模型:自然语言理解与问答系统
【7月更文挑战第20天】 使用Python实现深度学习模型:自然语言理解与问答系统
343 0
使用Python实现深度学习模型:自然语言理解与问答系统
|
机器学习/深度学习 人工智能 自然语言处理
Python自然语言处理实战:文本分类与情感分析
本文探讨了自然语言处理中的文本分类和情感分析技术,阐述了基本概念、流程,并通过Python示例展示了Scikit-learn和transformers库的应用。面对多义性理解等挑战,研究者正探索跨域适应、上下文理解和多模态融合等方法。随着深度学习的发展,这些技术将持续推动人机交互的进步。
883 1
|
机器学习/深度学习 数据采集 人工智能
Python 高级实战:基于自然语言处理的情感分析系统
**摘要:** 本文介绍了基于Python的情感分析系统,涵盖了从数据准备到模型构建的全过程。首先,讲解了如何安装Python及必需的NLP库,如nltk、sklearn、pandas和matplotlib。接着,通过抓取IMDb电影评论数据并进行预处理,构建情感分析模型。文中使用了VADER库进行基本的情感分类,并展示了如何使用`LogisticRegression`构建机器学习模型以提高分析精度。最后,提到了如何将模型部署为实时Web服务。本文旨在帮助读者提升在NLP和情感分析领域的实践技能。
1680 0
|
存储 人工智能 自然语言处理
Pandas数据应用:自然语言处理
本文介绍Pandas在自然语言处理(NLP)中的应用,涵盖数据准备、文本预处理、分词、去除停用词等常见任务,并通过代码示例详细解释。同时,针对常见的报错如`MemoryError`、`ValueError`和`KeyError`提供了解决方案。适合初学者逐步掌握Pandas与NLP结合的技巧。
658 20
|
自然语言处理 API C++
阿里通义推出SmartVscode插件,自然语言控制VS Code,轻松开发应用,核心技术开源!
SmartVscode插件深度解析:自然语言控制VS Code的革命性工具及其开源框架App-Controller
2829 1
阿里通义推出SmartVscode插件,自然语言控制VS Code,轻松开发应用,核心技术开源!
|
自然语言处理 算法 Python
自然语言处理(NLP)在文本分析中的应用:从「被动收集」到「主动分析」
【10月更文挑战第9天】自然语言处理(NLP)在文本分析中的应用:从「被动收集」到「主动分析」
585 4

推荐镜像

更多