第1章  緒論 1

1.1  智能語(yǔ)言處理 1

1.1.1  NLP與文本處理 1

1.1.2  文本信息抽取 3

1.2  網(wǎng)絡(luò)文本分類應(yīng)用 6

1.2.1  常見(jiàn)的應(yīng)用領(lǐng)域 6

1.2.2  相關(guān)技術(shù)領(lǐng)域 11

1.3  文本分類步驟 15

1.3.1  文本預(yù)處理 15

1.3.2  文本分詞 18

1.3.3  特征選擇 18

1.3.4  數(shù)值化表示 19

1.3.5  分類器分類 21

1.4  本章小結(jié) 27

第2章  文本預(yù)處理 28

2.1  預(yù)處理環(huán)節(jié) 28

2.1.1  標(biāo)記化 28

2.1.2  規(guī)范化 29

2.2  分詞技術(shù)應(yīng)用 33

2.2.1  常見(jiàn)應(yīng)用領(lǐng)域 33

2.2.2  應(yīng)用中涉及的主要問(wèn)題 36

2.3  中文分詞方法 40

2.3.1  基于詞典匹配的分詞 40

2.3.2  基于統(tǒng)計(jì)的序列標(biāo)注技術(shù) 43

2.3.3  基于深度學(xué)習(xí)的分詞 53

2.4  分詞工具 54

2.4.1  Python中文分詞工具 54

2.4.2  java中文分詞工具 55

2.5  本章小結(jié) 57

第3章  特征表示與降維 58

3.1  文本表示模型 58

3.1.1  One-hot獨(dú)熱模型 58

3.1.2  向量空間模型 59

3.1.3  主題模型 60

3.1.4  神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 67

3.2  特征空間降維 78

3.2.1  特征選擇 79

3.2.2  特征提取 83

3.3  小結(jié) 85