Python Natural Language Processing Practice: Core Technologies and Algorithms

Natural language processing is a discipline that integrates linguistics, computer science, and mathematics. It is relatively complex and has a high learning threshold, but this book cleverly avoids obscure mathematical formulas and proofs. Even if you don\'t have a mathematical foundation, you can get started with zero foundation. This book focuses on natural language processing in Chinese, uses Python and its related frameworks as tools, and is practically oriented. It explains in detail the various core technologies, methodologies, and classic algorithms of natural language processing. The three authors have rich accumulation and experience in the fields of artificial intelligence, big data, and algorithms. They are senior experts of *, former Minglue Data, and Qiniu Cloud. At the same time, this book has also been highly praised and highly recommended by experts such as *Damo Academy Senior Algorithm Expert and Qiniu Cloud AI Laboratory Leader. The book has a total of 11 chapters, which are logically divided into 2 parts: The first part (Chapters 1, 2, and 11) mainly introduces the basic knowledge, pre-technology, Python scientific packages, regular expressions, and Solr retrieval required for natural language processing. Part II (Chapters 5-10) Chapters 3 to 5 explain technologies related to lexical analysis, including Chinese word segmentation technology, part-of-speech tagging and named entity recognition, keyword extraction algorithms, etc. Chapter 6 explains syntactic analysis technology. There is currently a lot of theoretical research in this part, and the threshold for use in engineering practice is relatively high, and the effect mostly depends on rule expansion combined with business knowledge, so this book does not discuss it in depth. Chapter 7 explains commonly used vectorization methods, which are often used as input for various NLP tasks. Chapter 8 explains the concepts, scenarios and general processes related to sentiment analysis. Sentiment analysis is used in many industries. Chapter 9 introduces the important concepts of machine learning, while highlighting the classification algorithms and clustering algorithms commonly used in NLP, and also introduces several cases. Chapter 10 introduces some deep learning algorithms commonly used in NLP. These methods are relatively complex, but very practical, and readers need to learn patiently.