Python自然语言处理

　　目　录
　　第1章　语言处理与Python　1
　　1．1　语言计算：文本和词汇　1
　　1．2　近观Python：将文本当做词链表　10
　　1．3　计算语言：简单的统计　17
　　1．4　回到Python：决策与控制　24
　　1．5　自动理解自然语言　29
　　1．6　小结　35
　　1．7　深入阅读　36
　　1．8　练习　37
　　第2章　获得文本语料和词汇资源　41
　　2．1　获取文本语料库　41
　　2．2　条件频率分布　55
　　2．3　更多关于Python：代码重用　60
　　2．4　词典资源　63
　　2．5　WordNet　72
　　2．6　小结　78
　　2．7　深入阅读　79
　　2．8　练习　80
　　第3章　处理原始文本　84
　　3．1　从网络和硬盘访问文本　84
　　3．2　字符串：最底层的文本处理　93
　　3．3　使用Unicode进行文字处理　100
　　3．4　使用正则表达式检测词组搭配　105
　　3．5　正则表达式的有益应用　109
　　3．6　规范化文本　115
　　3．7　用正则表达式为文本分词　118
　　3．8　分割　121
　　3．9　格式化：从链表到字符串　126
　　3．10　小结　132
　　3．11　深入阅读　133
　　3．12　练习　134
　　第4章　编写结构化程序　142
　　4．1　回到基础　142
　　4．2　序列　147
　　4．3　风格的问题　152
　　4．4　函数：结构化编程的基础　156
　　4．5　更多关于函数　164
　　4．6　程序开发　169
　　4．7　算法设计　175
　　4．8　Python库的样例　183
　　4．9　小结　188
　　4．10　深入阅读　189
　　4．11　练习　189
　　第5章　分类和标注词汇　195
　　5．1　使用词性标注器　195
　　5．2　标注语料库　197
　　5．3　使用Python字典映射词及其属性　206
　　5．4　自动标注　216
　　5．5　N-gram标注　221
　　5．6　基于转换的标注　228
　　5．7　如何确定一个词的分类　230
　　5．8　小结　233
　　5．9　深入阅读　234
　　5．10　练习　235
　　第6章　学习分类文本　241
　　6．1　监督式分类　241
　　6．2　监督式分类的举例　254
　　6．3　评估　258
　　6．4　决策树　263
　　6．5　朴素贝叶斯分类器　266
　　6．6　最大熵分类器　271
　　6．7　为语言模式建模　275
　　6．8　小结　276
　　6．9　深入阅读　277
　　6．10　练习　278
　　第7章　从文本提取信息　281
　　7．1　信息提取　281
　　7．2　分块　284
　　7．3　开发和评估分块器　291
　　7．4　语言结构中的递归　299
　　7．5　命名实体识别　302
　　7．6　关系抽取　306
　　7．7　小结　307
　　7．8　深入阅读　308
　　7．9　练习　308
　　第8章　分析句子结构　312
　　8．1　一些语法困境　312
　　8．2　文法的用途　316
　　8．3　上下文无关文法　319
　　8．4　上下文无关文法分析　323
　　8．5　依存关系和依存文法　332
　　8．6　文法开发　336
　　8．7　小结　343
　　8．8　深入阅读　344
　　8．9　练习　344
　　第9章　建立基于特征的文法　349
　　9．1　文法特征　349
　　9．2　处理特征结构　359
　　9．3　扩展基于特征的文法　367
　　9．4　小结　379
　　9．5　深入阅读　380
　　9．6　练习　381
　　第10章　分析语句的含义　384
　　10．1　自然语言理解　384
　　10．2　命题逻辑　391
　　10．3　一阶逻辑　395
　　10．4　英语语句的语义　409
　　10．5　段落语义层　422
　　10．6　小结　428
　　10．7　深入阅读　429
　　10．8　练习　430
　　第11章　语言数据管理　434
　　11．1　语料库结构：案例研究　434
　　11．2　语料库生命周期　439
　　11．3　数据采集　443
　　11．4　使用XML　452
　　11．5　使用Toolbox数据　459
　　11．6　使用OLAC元数据描述语言资源　463
　　11．7　小结　466
　　11．8　深入阅读　466
　　11．9　练习　467
　　后记　470
　　参考文献　476

　　Steven Bird是墨尔本大学计算机科学和软件工程系副教授，宾夕法尼亚大学语言学数据联盟高级研究助理。 
　　Ewan Klein是爱丁堡大学信息学院语言技术教授。 
　　Edward Loper是毕业于宾夕法尼亚大学专注于机器学习的自然语言处理方向的博士，现在在波士顿的BBN Technologies担任研究员。 

　　自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能够实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及所有用计算机对自然语言进行的操作。
　　《Python自然语言处理》是自然语言处理领域的一本实用入门指南，旨在帮助读者学习如何编写程序来分析书面语言。《Python自然语言处理》基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库，但并不要求读者有Python编程的经验。全书共11章，按照难易程度顺序编排。第1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第10章介绍了句子解析、句法结构识别和句意表达方法。第11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
　　《Python自然语言处理》的实践性很强，包括上百个实际可用的例子和分级练习。《Python自然语言处理》可供读者用于自学，也可以作为自然语言处理或计算语言学课程的教科书，还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。