文本处理是目前互联网内容应用(如搜索引擎、推荐引擎)的关键技术。本书涵盖了文本处理概念和技术的多个方面,包括文本预处理、搜索、字符串匹配、信息抽取、命名实体识别、分类、聚类、标签生成、摘要、问答等。本书的特点在于通过实例来理解文本处理的这些概念和技术,读者利用现有的开源工具就可以自己实现这些实例。
总编荐书,经典与你同行
第1章 开始驾驭文本
1.1 驾驭文本重要的原因
1.2 预览:一个基于事实的问答系统
1.2.1 嗨,弗兰肯斯坦医生
1.3 理解文本很困难
1.4 驾驭的文本
1.5 文本及智能应用:搜索及其他
1.5.1 搜索和匹配
1.5.2 抽取信息
1.5.3 对信息分组
1.5.4 一个智能应用
1.6 小结
1.7 相关资源
第2章 驾驭文本的基础
2.1 语言基础知识
2.1.1 词语及其类别
2.1.2 短语及子句
2.1.3 词法
2.2 文本处理常见工具
2.2.1 字符串处理工具
2.2.2 词条及切词
2.2.3 词性标注
2.2.4 词干还原
2.2.5 句子检测
2.2.6 句法分析和文法
2.2.7 序列建模
2.3 从常见格式文件中抽取内容并做预处理
2.3.1 预处理的重要性
2.3.2 利用Apache Tika抽取内容
2.4 小结
2.5 相关资源
第3章 搜索
3.1 搜索和多面示例:Amazon.com
3.2 搜索概念入门
3.2.1 索引内容
3.2.2 用户输入
3.2.3 利用向量空间模型对文档排名
3.2.4 结果展示
……
第4章 模糊字符串匹配
第5章 命名实体识别
第6章 文本聚类
第7章 分类及标注
第8章 构建示例问答系统
第9章 未驾驭的文本:探索未来前沿