我写这两本书的主要目的是协助你介绍NLP应用领域领域是何等令人激动，在那个应用领域领域组织工作的几率是何等无穷，和现在的准入门槛是多么低。我的目标是协助你随心所欲已经开始在那个应用领域领域，并向你展现你能在两天内实现何等广泛的不同的应用领域，即使你以前未曾在那个应用领域领域组织工作过。这两本书能通过一连串的前述应用领域做为一个全面性的手册，假如你只对许多前述各项任务感兴趣，也能做为辅助工具书。到你念完这两本书的时候，你就已经专业委员会了：
https://www.manning.com/books/getting-started-with-natural-language-processing#:~:text=about%20the%20book,user%20profiling%2C%20and%20much%20more.
介绍基本上的NLP各项任务，并能够在前述情景中辨识碰到的任何某一各项任务。他们将囊括譬如感情分析、文档进行分类、信息搜寻等盛行各项任务。整套的NLP演算法和控制技术，主要包括词尾抽取、不定式还原成、词义标示等。您将学习怎样将一连串新颖方法应用领域于文档，例如向定量、求逆、有监督管理和无监督管理机器学习等。组织NLP工程项目的能力，和对前述工程项目中需要牵涉什么样关键性步骤的认知。全面性介绍关键性的语义处置，和机器学习，名词。对语义处置需用资源和辅助工具的全面性科学知识。两本书的前第三章向您如是说了语义处置应用领域领域和各式各样需用的NLP应用领域。它们还向您展现了怎样用最多的NLP专业专业技能和专业技能构筑他们的较大型应用领域。假如你有兴趣在那个应用领域领域有一个快速的已经开始，我建议阅读这第三章。先期的每一节都更深入细致地研究某一的NLP应用领域
第1章如是说NLP应用领域领域及其各式各样各项任务和应用领域。它还概要简述了该应用领域领域的历史，并展现了NLP应用领域怎样在他们的现实生活中使用。第2章解释了怎样Cubzac构筑他们的前述NLP应用领域程序(流氓软件过滤器)，带您完成应用领域程序管线中的所有基本上关键性步骤。在此之后，责任编辑如是说了许多基本上的NLP控制技术，主要包括不定式和文档规范化，并展现了怎样通过盛行的NLTK辅助工具包在实践中使用它们。第3章主要讨论信息检索各项任务。它如是说了几个关键性的NLP控制技术，如词尾抽取和停用词删除，并展现了怎样实现他们的信息检索演算法。它还解释了怎样对这种演算法进行评估。第4章探讨了信息抽取并进一步如是说了许多基本上控制技术，如词义标记、词元化和依赖分析。此外，还展现了怎样使用另一个盛行的NLP辅助工具包spacacy构筑信息抽取应用领域程序。第5章展现了怎样实现您他们的作者(或用户)分析演算法，在NLTK和space中提供了进一步的示例和实践。此外，责任编辑将该各项任务做为一个文档进行分类问题来呈现，并展现了怎样使用盛行的机器学习库scikit-learn实现一个机器学习进行分类器。第6章继续第5章已经开始的作者(用户)分析主题。它深入细致研究了语言特征工程的各项任务，这是任何语义处置工程项目中必不可少的一步。它展现了怎样使用NLTK和space执行语言特征工程，和怎样评估文档进行分类演算法的结果。第7章已经开始了情绪分析的主题，这是一个非常盛行的NLP各项任务。它对各项任务应用领域了基于词典的方法。感情分析器是使用带有空间的语言管线构筑的。第8章继续感情分析，但与第7章不同的是，它采用了数据驱动的方法来完成这项各项任务。使用scikit-learn应用领域了几种机器学习控制技术，并通过使用空间和NLTK语言资源引入了进一步的语言概念。第9章简述了主题进行分类的各项任务。与前面的文档进行分类各项任务相比，它是一个多类分类问题，因此本章讨论了那个各项任务的复杂性，并展现了怎样使用scikit-learn实现一个主题进行分类器。此外，责任编辑还采用了无监督管理机器学习的视角，并展现了怎样将此各项任务做为聚类问题处置。第10章如是说了潜在狄利克雷分配(LDA)的主题建模各项任务。此外，责任编辑还如是说了一个名为gensim的盛行辅助工具包，它特别适合使用主题建模演算法。责任编辑讨论了LDA方法的动机、实现细节和结果评估的控制技术。第11章以另一个称为名称实体辨识(NER)的关键性NLP各项任务结束两本书。在如是说该各项任务的同时，本章还如是说了广泛用于NLP各项任务的一连串功能强大的序列标记方法，并展现了NER怎样集成到进一步的下游NLP应用领域程序中。
