第1章自然语言处理技术概述

1.1自然语言处理介绍

1.1.1自然语言处理的定义及其在实际工作中的定位

1.1.2自然语言处理的经典应用场景

1.2自然语言处理的技能要求和职业发展路径

1.2.1大数据部门组织架构和自然语言处理职位所处位置

1.2.2自然语言处理的职位介绍和技能要求

1.2.3自然语言处理的职业生涯规划和发展路径

1.2.4自然语言处理的市场平均薪资水平

第2章中文分词

2.1中文分词原理

2.2规则分词

2.2.1正向最大匹配法

2.2.2逆向最大匹配法

2.2.3双向最大匹配法

2.3机器学习统计分词

2.3.1隐马尔可夫模型分词

2.3.2感知器分词

2.3.3CRF分词

2.4分词工具实战

2.4.1CRF++工具包实战

2.4.2Python的Jieba分词

2.4.3Java的HanLP分词

2.4.4Java的IK分词

2.4.5Java的mmseg4j分词

第3章词性标注

3.1词性标注原理

3.1.1词性介绍

3.1.2HMM词性标注

3.1.3感知器词性标注

3.1.4CRF词性标注

3.2词性标注工具实战

3.2.1Python的Jieba词性标注

3.2.2Java的HanLP词性标注

第4章命名实体识别

4.1命名实体识别原理

4.2基于HMM角色标注的命名实体识别

4.2.1中国人名识别

4.2.2地名识别

4.2.3机构公司名识别

4.3基于线性模型的命名实体识别

4.3.1感知器命名实体识别

4.3.2CRF命名实体识别

第5章依存句法分析

5.1依存句法分析原理

5.2HanLP基于神经网络依存句法分析器

第6章语义角色标注

6.1语义角色标注原理

6.2语义角色标注的设计框架

6.2.1生成语义生成树

6.2.2剪枝

6.2.3角色识别

6.2.4角色分类

第7章文本相似度算法

7.1字符串编辑距离

7.1.1算法原理

7.1.2Java代码实现

7.1.3Python代码实现

7.2余弦相似度

7.2.1算法原理

7.2.2Java代码实现

7.2.3Python代码实现

第8章语义相似度计算

8.1《同义词词林》

8.1.1算法原理

8.1.2代码实战

8.2基于深度学习的语义相似度

8.2.1DSSM

8.2.2CNNDSSM

8.2.3LSTMDSSM

第9章词频逆文档频率

9.1TFIDF算法原理

9.2Java代码实现TFIDF

9.3TFIDF的Python代码实现

第10章条件随机场

10.1算法原理

10.2开源工具实战

第11章新词发现与短语提取

11.1新词发现

11.2短语提取

第12章搜索引擎Solr Cloud和Elasticsearch

12.1全文搜索引擎介绍及原理

12.2Lucene搜索引擎

12.3Solr Cloud

12.3.1Solr Cloud介绍及原理

12.3.2Solr Cloud实战

12.4Elasticsearch

12.4.1Elasticsearch介绍及原理

12.4.2Elasticsearch实战

第13章Word2Vec词向量模型

13.1Word2Vec词向量模型介绍及原理

13.2Word2Vec词向量模型实战

13.2.1Spark分布式实现Word2Vec词向量模型

13.2.2谷歌开源Word2Vec工具

第14章文本分类

14.1文本分类介绍及相关算法

14.2朴素贝叶斯算法

14.2.1算法原理

14.2.2源码实战

14.3支持向量机

14.3.1算法原理

14.3.2源码实战

14.4Python开源快速文本分类器FastText

14.4.1FastText框架核心原理

14.4.2FastText和Word2Vec的区别

14.4.3FastText实战

14.5BERT文本分类

14.5.1BERT模型介绍及原理

14.5.2BERT中文文本分类实战