Java自然语言处理

作品简介

本书将教会读者如何在Java库的帮助下执行语言分析，同时不断地从结果中获得见解。首先介绍NLP及其各种概念是如何工作的，然后探索Java中用于NLP的重要工具和库，如CoreNLP、OpenNLP、Neuroph、Mallet等。之后，读者将开始对不同的输入和任务执行NLP，例如标记、模型训练、部分语音、解析树等。读者会学习到统计机器翻译、摘要、对话系统、复杂搜索、有监督和无监督的NLP，以及其他内容。在本书的最后，读者也会学习到更多关于NLP、神经网络和其他各种Java中用于增强NLP应用程序性能的训练模型。

理查德·M.里斯（Richard M.Reese）

曾就职于学术界和工业界。他曾在电话和航天工业工作17年，其间曾担任研发、软件开发、监督和培训等多个职位。他目前任教于塔尔顿州立大学。Richard曾出版多本关于Java和C指针的书籍，他使用浅显易懂的方法讲授相关主题，他的Java书涵盖EJB3.1、Java7和8的新功能、认证、函数式编程和jMonkey Engine，及自然语言处理。

艾希什辛格·巴蒂亚（AshishSingh Bhatia）

是学习者、读者、探索者和开发者。他在不同的领域（包括银行、ERP和教育）有超过10年的IT经验，并对Python、Java、R、Web和移动开发一直充满热情。他总是准备探索新技术。

作品目录

• 译者序
• 前言
• 作者简介
• 审校者简介
• 第一章 NPL概论
• 1.1　NLP是什么
• 1.2　为什么使用NLP
• 1.3　为什么NLP这么难
• 1.4　NLP工具汇总
• 1.5　Java深度学习
• 1.6　文本处理任务概述
• 1.7　理解NLP方法
• 1.8　准备数据
• 1.9　总结
• 第二章 查找文本的各部分
• 2.1　理解文章的各个部分
• 2.2　分词是什么
• 2.3　简单的Java分词器
• 2.4　NLP分词器API
• 2.5　了解规范化
• 2.6　总结
• 第三章 文本断句
• 3.1　SBD方法
• 3.2　SBD难在何处
• 3.3　理解LingPipe的HeuristicSentenceModel类的SBD规则
• 3.4　简单的Java SBD
• 3.5　使用NLP API
• 3.6　训练文本断句模型
• 3.7　总结
• 第四章 人物识别
• 4.1　NER难在何处
• 4.2　NER方法
• 4.3　使用正则表达式进行NER
• 4.4　使用NLP API
• 4.5　使用NER注释工具构建新数据集
• 4.6　训练模型
• 4.7　总结
• 第五章 词性判断
• 5.1　词性标注
• 5.2　使用NLP API
• 5.3　总结
• 第六章 用特征表示文本
• 6.1　n-gram
• 6.2　词嵌入
• 6.3　GloVe
• 6.4　word2vec
• 6.5　降维
• 6.6　主成分分析
• 6.7　t-SNE
• 6.8　总结
• 第七章 信息检索
• 7.1　布尔检索
• 7.2　字典和容错性检索
• 7.3　向量空间模型
• 7.4　计分和术语加权
• 7.5　逆文档频率
• 7.6　TF-IDF加权
• 7.7　信息检索系统的评估
• 7.8　总结
• 第八章 对文本和文档进行分类
• 8.1　如何使用分类
• 8.2　理解情感分析
• 8.3　文本分类技术
• 8.4　使用API对文本进行分类
• 8.5　总结
• 第九章 主题建模
• 9.1　什么是主题建模
• 9.2　LDA的基础
• 9.3　使用MALLET进行主题建模
• 9.4　总结
• 第十章 使用解析器提取关系
• 10.1　关系类型
• 10.2　理解解析树
• 10.3　使用提取的关系
• 10.4　提取关系
• 10.5　使用NLP API
• 10.6　为问答系统提取关系
• 10.7　总结
• 第十一章 组合管道
• 11.1　准备数据
• 11.2　管道
• 11.3　创建用于搜索文本的管道
• 11.4　总结
• 第十二章 创建一个聊天机器人
• 12.1　聊天机器人架构
• 12.2　人工语言网络计算机实体
• 12.3　总结