1.Python開源社區資深供稿人撰寫，基於Python語言2.計算語言學領域為數不多的作品之一3.文本分析實用指南4.技術實用性強，側重於技術細節的實現5.平衡了理論與實戰案例之間的關繫，可以在掌握理論知識的同時，運行自己的自然語言處理項目6.提供源碼下載使用Python和開源工具可以非常方便地進行現代文本分析，因此，在這個文本數據時代有必要掌握現代文本分析的方法。本書介紹了如何使用自然語言處理和計算語言學算法對所擁有的數據進行推理並獲得洞察力。這些算法以統計機器學習和人工智能等

●第1章 什麼是文本分析 1
1.1 什麼是文本分析 1
1.2 搜集數據 5
1.3 若輸入錯誤數據，則輸出亦為錯誤數據（garbage in，garbage out） 8
1.4 為什麼你需要文本分析 9
1.5 總結 11
第2章 Python文本分析技巧 12
2.1 為什麼用Python來做文本分析 12
2.2 用Python進行文本操作 14
2.3 總結 18
第3章 spaCy語言模型 19
3.1 spaCy庫 19
3.2 spaCy的安裝步驟 21
3.3 故障排除 22
3.4 語言模型 22
3.5 安裝語言模型 23
3.6 安裝語言模型的方式及原因 25
3.7 語言模型的基本預處理操作 25
3.8 分詞 26
3.9 詞性標注 28
3.10 命名實體識別 29
3.11 規則匹配 30
3.12 預處理 31
3.13 總結 33
第4章 Gensim：文本向量化、向量變換和n-grams的工具 34
4.1 Gensim庫介紹 34
4.2 向量以及為什麼需要向量化 35
4.3 詞袋（bag-of-words） 36
4.4 TF-IDF（詞頻-反向文檔頻率） 37
4.5 其他表示方式 38
4.6 Gensim中的向量變換 38
4.7 n-grams及其預處理技術 42
4.8 總結 44
第5章 詞性標注及其應用 45
5.1 什麼是詞性標注 45
5.2 使用Python實現詞性標注 49
5.3 使用spaCy進行詞性標注 50
5.4 從頭開始訓練一個詞性標注模型 53
5.5 詞性標注的代碼示例 57
5.6 總結 59
第6章 NER標注及其應用 60
6.1 什麼是NER標注 60
6.2 用Python實現NER標注 64
6.3 使用spaCy實現NER標注 67
6.4 從頭開始訓練一個NER標注器 72
6.5 NER標注應用實例和可視化 77
6.6 總結 79
第7章 依存分析 80
7.1 依存分析 80
7.2 用Python實現依存分析 85
7.3 用spaCy實現依存分析 87
7.4 從頭開始訓練一個依存分析器 91
7.5 總結 98
第8章 主題模型 99
8.1 什麼是主題模型 99
8.2 使用Gensim構建主題模型 101
8.3 隱狄利克雷分配（Latent Dirichlet Allocation） 102
8.4 潛在語義索引（Latent Semantic Indexing） 104
8.5 分層狄利特雷過程（Hierarchical Dirichlet Process） 105
8.6 動態主題模型 108
8.7 使用scikit-learn構建主題模型 109
8.8 總結 112
第9章 高級主題建模 113
9.1 高級訓練技巧 113
9.2 探索文檔 117
9.3 主題一致性和主題模型的評估 121
9.4 主題模型的可視化 123
9.5 總結 127
第10章 文本聚類和文本分類 128
10.1 文本聚類 128
10.2 聚類前的準備工作 129
10.3 K-means 132
10.4 層次聚類 134
10.5 文本分類 136
10.6 總結 138
第11章 查詢詞相似度計算和文本摘要 139
11.1 文本距離的度量 139
11.2 查詢詞相似度計算 145
11.3 文本摘要 147
11.4 總結 153
第12章 Word2Vec、Doc2Vec和Gensim 154
12.1 Word2Vec 154
12.2 用Gensim實現Word2Vec 155
12.3 Doc2Vec 160
12.4 其他詞嵌入技術 166
12.5 總結 172
第13章 使用深度學習處理文本 173
13.1 深度學習 173
13.2 深度學習在文本上的應用 174
13.3 文本生成 177
13.4 總結 182
第14章 使用Keras和spaCy進行深度學習 183
14.1 Keras和spaCy 183
14.2 使用Keras進行文本分類 185
14.3 使用spaCy進行文本分類 191
14.4 總結 201
第15章 情感分析與聊天機器人 202
15.1 情感分析 202
15.2 基於Reddit的新聞數據挖掘 205
15.3 基於Twitter的數據挖掘 207
15.4 聊天機器人 209
15.5 總結 217

自然語言處理是一門融語言學、計算機科學、數學於一體的科學，研究人與計算機之間用自然語言進行有效通信的各種理論和方法。計算語言學是指通過建立形式化的數學模型來分析、處理自然語言，並在計算機上用程序來實現分析和處理的過程，旨在以機器來模擬人的部分或全部語言能力的目的。 《自然語言處理與計算語言學》作為一本借助於Python編程語言以及各種開源工具（如Gensim、spaCy等）來執行文本分析、自然語言處理和計算語言學算法的圖書，從應用層面介紹了相關的理論知識和所涉及的技術。《自然語言處理與計算語言學》共分為15章，其內容涵蓋了文本分析的定義、使用Python進行文本分析的技巧、spaCy語言模型、Gensim工具、詞性標注及其應用、NER標注及其應用、依存分析、主題模型、高級主題建模、文本聚類和文本分類、查詢詞相似度計算和文本摘要、詞嵌入、使用深度學習處理文本、使用Keras和spaC等