本書遵循結構化和綜合性的方法，介紹了文本和語言語法、結構和語義的基礎概念和高級概念。從自然語言和Python的基礎開始，進而學習優選的分析理念和機器學習概念。全面提供了自然語言處理（NLP）和文本分析的主要概念和技術。包含了豐富的真實案例實現技術，例如構建分類新聞文章的文本分類繫統,使用主題建模和文本摘要分析app或遊戲評論,進行熱門電影概要的聚類分析和電影評論的情感分析。介紹了基於Python和流行NLP開源庫和文本分析實用工具，如自然語言工具包（nltk）、gensim、scikit-lea等

●譯者序
推薦序
前言
致謝
作者簡介
技術審校者簡介

第1章 自然語言處理基礎
1.1 自然語言
1.1.1 什麼是自然語言
1.1.2 語言哲學
1.1.3 語言習得和用法
1.2 語言學
1.3 語言句法和結構
1.3.1 單詞
1.3.2 短語
1.3.3 從句
1.3.4 語法
1.3.5 語序類型學
1.4 語言語義
1.4.1 詞彙語義關繫
1.4.2 語義網絡和模型
1.4.3 語義表示
1.5 文本語料庫
1.5.1 文本語料庫標注及使用
1.5.2 流行的語料庫
1.5.3 訪問文本語料庫
1.6 自然語言處理
1.6.1 機器翻譯
1.6.2 語音識別繫統
1.6.3 問答繫統
1.6.4 上下文識別與消解
1.6.5 文本摘要
1.6.6 文本分類
1.7 文本分析
1.8.機器學習
1.9 深度學習
1.1 0本章小結

第2章 Python自然語言處理
2.1 了解Pvthon
2.2 Python之禪
2.3 應用：何時使用Pymon
2.4 缺點：何時不用Pymon
2.5 Python的實現和版本
2.6 建立強大的Python環境
2.6.1 用哪個Python版本
2.6.2 用哪個操作繫統
2.6.3 集成開發環境
2.6.4 環境設置
2.6.5 軟件包管理
2.6.6 虛擬環境
2.7 Python語法和結構
2.8 使用文本數據
2.8.1 字符串文字
2.8.2 表示字符串
2.8.3 字符串操作和方法
2.9 基本的文本處理和分析：綜合案例
2.10 自然語言處理框架
2.11 本章小結

第3章 處理和理解文本
3.1 文本預處理和整理
3.1.1 刪除HTML標簽
3.1.2 文本標記解析
3.1.3 刪除重音字符
3.1.4 擴展縮寫詞
3.1.5 刪除特殊字符
3.1.6 大小寫轉換
3.1.7 文本校正
3.1.8 詞干提取
3.1.9 詞形還原
3.1.10 刪除停用詞
3.1.11 將以上整合在一起——構建文本規範器
3.2 理解文本句法和結構
3.2.1 安裝必要的依賴項
3.2.2 機器學習的重要概念
3.2.3 詞性標注
3.2.4 淺層解析或分塊
3.2.5 依存關繫解析
3.2.6 成分結構解析
3.3 本章小結
……

第4章 用於文本表示的特征工程
第5章 文本分類
第6章 文本摘要和主題模型
第7章 文本相似度和聚類
第8章 語義分析
第9章 情感分析
第10章 深度學習的前景

面對自然語言處理和文本分析應用，解決問題的正確技術是什麼？文本摘要如何真正有效？哪些纔是解決多類文本分類的框架？
《Python文本分析（原書第2版）》通過將數學和理論概念與現實用例的Python實現相結合，全面介紹了文本分析的相關概念、技術、工具及實踐，可幫助你快速掌握文本分析技術，解決實際問題。
《Python文本分析（原書第2版）》首先介紹與文本分析相關的自然語言基本概念以及Python語言的特點、特性和常用功能，然後結合示例代碼詳細闡述文本理解與處理、文本分類、文本摘要、文本相似度與聚類、語義與情感分析等內容。通過《Python文本分析（原書第2版）》，你可以全面掌握文本分析的基礎技術和機器學習的一些經典方法，包括SVM、貝葉斯分類器、k-均值聚類、層次聚類等，為進一步的學習和研究奠定基礎。
《Python文本分析（原書第2版）》介紹了Pytho等